基于SRGAN的图像超分辨率重建

针对现有超分辨率重建算法构建的图像存在高频细节丢失、结构化失真的问题。结合双重注意力密集残差网络,提出一种基于SRGAN的图像超分辨率重建算法MDSRGAN。首先,设计了一种密集残差模块,将上层浅层特征的输出作为下层深层特征的输入;其次,采用通道注意力机制和空间注意力机制并行的方式,从2个不同的维度提高网络的特征提取能力;最后,通过重建模块对提取的特征进行增强,获取相应的高分辨率图像。实验结果表明,MDSRGAN算法与SRGAN算法相较于PSNR和SSIM分别提高了30.9%和0.8%。本算法可以极大地保留原始信息,并且在超分辨率重建邻域具有现实意义。