论文摘要
考虑到卷积神经网络可以通过训练过程引入图像的先验知识,文中提出基于深度学习的芯片图像超分辨率重建.利用卷积神经网络改善迭代反投影法的初始估计图像,通过迭代过程引入图像序列间的互补信息,建立芯片图像的样本集.实验表明,在不同放大倍数下,改进算法的客观评价指标平均值均较高,在芯片图像中的电路密集处,改进算法的主观视觉感受也较好.同时,文中算法适用于自然图像.
论文目录
文章来源
类型: 期刊论文
作者: 范明明,池源,张铭津,李云松
关键词: 超分辨率重建,卷积神经网络,迭代反投影,芯片硬件木马
来源: 模式识别与人工智能 2019年04期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 西安电子科技大学综合业务网理论及关键技术国家重点实验室,工业和信息化部电子第五研究所电子元器件可靠性物理及其应用技术重点实验室
基金: 陕西省自然科学基础研究计划一般项目(No.2018JQ6028),中央高校基本科研业务费项目(No.XJS17109,JBX180102),中国博士后科学基金面上资助项目(No.2017M623125),电子元器件可靠性物理及其应用技术重点实验室开放基金项目(No.17D03-ZHD201701)资助~~
分类号: TP391.41;TP183
DOI: 10.16451/j.cnki.issn1003-6059.201904008
页码: 353-360
总页数: 8
文件大小: 1518K
下载量: 202