基于改进生成式对抗网络的图像超分辨率重建

• 作者: 米恒 贾振堂
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 图像超分辨率 深度学习 生成式对抗网络
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 139-145
• 页数: 7页
• 分类号: TP391.41
• 字数: 6180字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.09.023

摘要

目前图像超分辨率深度学习算法采用L2形式的像素差异损失函数,导致重建图像过度平滑,观感不够真实;采用的底层特征提取模块都是单一尺度的卷积核,造成了细节丢失.为改善重建图像质量,改进生成式对抗网络,在感知损失函数的基础上设计L1形式的SSIM(结构相似性)损失函数.加入3种不同尺度的卷积核,去除批规范化层,加入上采样层.通过实验验证,该模型在DIV2K数据集上相比SRGAN模型平均提高了1.12 dB的峰值信噪比(PSNR)值和平均0.0161的结构相似性(SSIM)值.证明该改进型生成式对抗网络模型能够更好地恢复低分辨率图像中的纹理细节信息,获得更好的视觉效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾振堂	上海电力大学电子与信息工程学院	18	50	4.0	6.0
2	米恒	上海电力大学电子与信息工程学院	1	0	0.0	0.0