摘要

最新的深度学习方法在多种图像恢复任务中表现优于当前最先进的信号处理方法。然而，当图像包含大量复杂模式与结构时，这类卷积神经网络（CNN）的性能仍然有限。为解决这一问题，本文提出一种新型的特征空间深度残差学习算法，其性能优于现有残差学习方法。该方法的核心思想源于如下观察：若通过解析映射将输入和/或标签流形映射至特征空间，使其拓扑结构更加简化，则学习算法的性能有望得到提升。通过去噪实验以及NTIRE单图像超分辨率（SISR）竞赛中的大量数值实验验证，所提出的特征空间残差学习方法显著优于现有最先进方法。此外，该算法在NTIRE竞赛中排名第三，且计算速度比排名第一的团队快5至10倍。源代码已公开，获取地址：https://github.com/iorism/CNN.git