关键词：图像超分辨率重建 稠密卷积神经网络 多尺度特征损失函数 深度学习 

摘要：在图像超分辨率重建问题中,许多基于深度学习的方法大多采用传统的均方误差(MSE)作为损失函数,重建后的图像容易出现细节模糊和过于平滑的问题。针对这一问题,本文对传统的均方误差损失函数进行改进,提出一种基于多尺度特征损失函数的图像超分辨率重建方法。整个网络模型由基于DenseNet的重建模型和一个用来优化多尺度特征损失函数的卷积神经网络串联构成。将重建后得到的图像和对应的原始高清图像作为串联的卷积神经网络的输入,计算重建图像卷积得到的不同尺度特征图与对应的原始高清图像卷积得到的不同尺度特征图的均方误差。实验结果表明,本文提出的方法在主观视觉效果和PSRN、SSIM上均有所提升。

光电工程杂志要求:

{1}来稿请附作者简介，包括姓名、所在单位与职称、职务以及联系方式。

{2}来稿文责自负。根据《著作权法》，结合本刊具体情况，编辑部可作修辞等文字修改、删节，凡涉及原意的重大修改，则需征求作者意见。

{3}来稿需包括文章名、内容提要、关键词。内容提要需能简明扼要、客观准确地体现出论文的主要观点；关键词要以分号分隔并列。

{4}文题避免使用简称、缩写、标点符号、化学结构式及药品商品名等不规范名词。论著类文章应有英文题名，其含义应与中文一致，一般以不超过10个实词为宜。

{5}摘要一般应说明研究工作的目的、实验（研究）方法、结果和结论等，中文摘要不超过300字。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社