生成式对抗网络在超分辨率图像重建中的应用

• 作者: 李丹 汪鑫耘
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 超分辨率图像重建 生成式对抗网络(GAN) 四倍采样
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形图像
• 页码范围: 680-687
• 页数: 8页
• 分类号: TP391.4
• 字数: 4400字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1905082

摘要

针对现有卷积神经网络图像超分辨率算法容易出现过拟合、损失函数的收敛性不足等问题,结合超分辨率算法和生成式对抗网络(GAN)理论,设计一种基于生成式对抗网络的超分辨率算法PESRGAN用于恢复四倍下采样的图像.首先使用残差密集块(RDB)作为基本结构单元,有效避免了过拟合问题;其次使用双层特征损失并使用渗透指数(PI)作为损失的权值,更好地去学习低分辨率到高分辨率图像之间的映射关系;同时使用VGG19作为判别网络高分辨率图像进行分类;最后使用经典数据集,将PESRGAN算法与双三次插值(Bicubic)、SRGAN、ESRGAN算法在客观参数和主观视觉效果进行对比.实验结果表明:在经典数据集上,PESRGAN的平均峰值信噪比(PSNR)达到25.4 dB、平均结构相似性(SSIM)达到0.73,平均渗透指数(PI)达到1.15,在客观参数和主观评价上均优于其他算法,证明了PESRGAN有良好的超分辨率重建的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李丹	安徽工业大学电气与信息工程学院	25	110	5.0	10.0
2	汪鑫耘	安徽工业大学电气与信息工程学院	4	1	1.0	1.0