-
题名基于生成式对抗网络的图像超分辨率重建算法
被引量：12
- 1
-
-
作者
姜玉宁
李劲华
赵俊莉
-
机构
青岛大学数据科学与软件工程学院
青岛市船舶建造智能精度测量工程研究中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第3期249-255,共7页
-
基金
国家自然科学基金(61702293)
山东省重点研发计划重大科技创新工程项目(2019JZZY020101)。
-
文摘
针对传统图像超分辨率重建算法存在网络训练困难与生成图像存在伪影的问题,提出一种利用生成式对抗网络的超分辨率重建算法。去除生成式对抗网络的批量归一化层降低计算复杂度,将其中的残差块替换为密集残差块构成生成网络,使用VGG19网络作为判别网络的基础框架,以全局平均池化代替全连接层防止过拟合,引入纹理损失函数、感知损失函数、对抗损失函数和内容损失函数构成生成器的总目标函数,利用纹理损失增强局部信息匹配度,采用激活层前的特征信息计算感知损失获取更多细节特征,使用WGAN-GP理论优化网络模型的对抗损失加速收敛,运用内容损失提升图像低频信息的准确性。实验结果表明,该算法重建图像的平均峰值信噪比为27.97 dB,平均结构相似性为0.777,与SRGAN和EDSR等算法相比,其在未延长较多运行时间的情况下,重建结果的纹理细节更清晰且亮度信息更准确,更符合视觉感官评价要求。
-
关键词
超分辨率重建
生成式对抗网络
密集卷积网络
纹理损失
梯度惩罚wasserstein生成式对抗网络
-
Keywords
Super-Resolution(SR)reconstruction
generative adversarial networks(GAN)
Dense Convolutional networks(Densenet)
texture loss
wasserstein generative adversarial nets-gradient penalty(wgan-gp)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
