-
题名多尺度残差生成对抗网络的图像超分辨率重建
- 1
-
-
作者
邓酩
柳庆龙
侯立宪
-
机构
桂林理工大学信息科学与工程学院
桂林理工大学
-
出处
《科学技术与工程》
北大核心
2023年第31期13472-13481,共10页
-
基金
国家自然科学基金(62166012)
广西自然科学基金(2022GXNSFAA035644)。
-
文摘
针对目前基于深度学习的超分辨率重建图像存在的纹理等高频信息丢失问题,提出了多尺度残差生成对抗网络的图像超分辨率重建算法。首先,使用Dense-Res2Net模块替代SRGAN(super resolution generative adversarial network)生成网络中原本的残差模块,并且组合特征压缩与激发网络(squeeze-and-excitation networks,SENet)从多个尺度自适应地提取浅层特征信息。其次,引入全变分正则化(total variation,TV)损失指导生成器训练。最后,使用Wasserstein距离优化对抗损失,提高网络训练稳定性。实验结果表明,该算法重建出的图像在视觉效果上保留了更加丰富的高频细节,与当前主流超分算法相比,该方法不仅有更高的峰值信噪比(peak signal-to-noise ratio,PSNR)与结构相似性(structural similarity,SSIM),且学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)在分数上均优其他算法。
-
关键词
深度学习
图像超分辨率
生成对抗网络
残差网络
-
Keywords
deep learning
image super-resolution
generative adversarial networks
residua network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-