SRCNN，matlab实现

这里主要讲深度学习用在超分辨率重建上的开山之作SRCNN。超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像重建出高分辨率图像。基于深度学习的SR，主要是基于单张低分辨率的重建方法，即Single Image Super-Resolution (SISR)。 SR方法主要可以分为四种模型：基于边缘，基于图像统计，基于样本（基于补丁）的方法。本文的SRCNN网络结构非常简单，仅仅只有三层网络就是实现了SR。网络结构如下图所示：

clear;close all;
%% settings
folder = ‘Test/Set5‘;
savepath = ‘test.h5‘;
size_input = 33;
size_label = 21;
scale = 3;
stride = 21 ;

%% initialization
data = zeros（size_input size_input 1 1）;
label = zeros（size_label size_label 1 1）;
padding = abs（size_input - size_label）/2;
count = 0;

%% generate data
filepaths = dir（fullfile（folder‘*.bmp‘））;
    
for i = 1 : length（filepaths）
    
    image = imread（fullfile（folderfilepaths（i）.name））;
    image = rgb2ycbcr（image）;
    image = im2double（image（: : 1））;
    
    im_label = modcrop（image scale）;
    [heiwid] = size（im_label）;
    im_input = imresize（imresize（im_label1/scale‘bicubic‘）[heiwid]‘bicubic‘）;

    for x = 1 : stride : hei-size_input+1
        for y = 1 :stride : wid-size_input+1
            
            subim_input = im_input（x : x+size_input-1 y : y+size_input-1）;
            subim_label = im_label（x+padding : x+padding+size_label-1 y+padding : y+padding+size_label-1）;

            count=count+1;
            data（: : 1 count） = subim_input;
            label（: : 1 count） = subim_label;
        end
    end
end

order = randperm（count）;
data = data（: : 1 order）;
label = label（: : 1 order）; 

%% writing to HDF5
chunksz = 2;
created_flag = false;
totalct = 0;

for batchno = 1:floor（count/chunksz）
    last_read=（batchno-1）*chunksz;
    batchdata = data（::1last_read+1:last_read+chunksz）; 
    batchlabs = label（::1last_read+1:last_read+chunksz）;

    startloc = struct（‘dat‘[111totalct+1] ‘lab‘ [111totalct+1]）;
    curr_dat_sz = store2hdf5（savepath batchdata batchlabs ~created_flag startloc chunksz）; 
    created_flag = true;
    totalct = curr_dat_sz（end）;
end
h5disp（savepath）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1771  2015-07-08 11:32  SRCNN\generate_test.m

     文件       1769  2015-07-08 11:31  SRCNN\generate_train.m

     文件        279  2015-03-17 01:58  SRCNN\modcrop.m

     文件       1088  2015-07-01 12:36  SRCNN\Readme.txt

     文件       1318  2015-07-01 12:32  SRCNN\saveFilters.m

     文件       1478  2015-07-01 11:25  SRCNN\SRCNN_mat.prototxt

     文件       1705  2015-07-01 12:27  SRCNN\SRCNN_net.prototxt

     文件        566  2015-07-01 11:29  SRCNN\SRCNN_solver.prototxt

     文件       2897  2015-06-05 03:14  SRCNN\store2hdf5.m

     文件     720054  2015-03-17 01:58  SRCNN\Test\Set14\baboon.bmp

     文件    1244214  2015-03-17 01:58  SRCNN\Test\Set14\barbara.bmp

     文件     263222  2015-03-17 01:58  SRCNN\Test\Set14\bridge.bmp

     文件     304182  2015-03-17 01:58  SRCNN\Test\Set14\coastguard.bmp

     文件     271526  2015-03-17 01:58  SRCNN\Test\Set14\comic.bmp

     文件     228584  2015-03-17 01:58  SRCNN\Test\Set14\face.bmp

     文件     543054  2015-03-17 01:58  SRCNN\Test\Set14\flowers.bmp

     文件     304182  2015-03-17 01:58  SRCNN\Test\Set14\foreman.bmp

     文件     786486  2015-03-17 01:58  SRCNN\Test\Set14\lenna.bmp

     文件     786486  2015-03-17 01:58  SRCNN\Test\Set14\man.bmp

     文件    1179702  2015-03-17 01:58  SRCNN\Test\Set14\monarch.bmp

     文件     786486  2015-03-17 01:58  SRCNN\Test\Set14\pepper.bmp

     文件    1041782  2015-03-17 01:58  SRCNN\Test\Set14\ppt3.bmp

     文件     688214  2015-03-17 01:58  SRCNN\Test\Set14\zebra.bmp

     文件     786486  2015-03-17 01:58  SRCNN\Test\Set5\baby_GT.bmp

     文件     248886  2015-03-17 01:58  SRCNN\Test\Set5\bird_GT.bmp

     文件     196730  2015-03-17 01:58  SRCNN\Test\Set5\butterfly_GT.bmp

     文件     235254  2015-03-17 01:58  SRCNN\Test\Set5\head_GT.bmp

     文件     235350  2015-03-17 01:58  SRCNN\Test\Set5\woman_GT.bmp

     文件    6887544  2018-02-17 22:20  SRCNN\test.h5

     文件         23  2015-07-01 11:24  SRCNN\test.txt

............此处省略101个文件信息