双判别器生成对抗网络图像的超分辨率重建方法

摘要：

提出一种可用于改进图像超分辨率重建质量的双判别器超分辨率重建网络(DDSRRN).该网络在生成式对抗网络(GAN)的基础上增加一个判别器,将Kullback-Leibler (KL)和反向KL散度组合成一个统一的目标函数来训练两个判别器,利用这两种散度的互补统计特性,能在多模式下分散预估计密度,从而避免重建过程中网络模型的崩溃问题,提高模型训练的稳定性.针对模型损失函数的设计部分,首先使用Charbonnier损失函数来构建内容损失,利用网络中间层的特征信息来设计感知损失和风格损失,最后为缩减图像重建时间,在网络结构中引入反卷积来完成图像重建操作.实验结果表明本文方法在主观视觉上具有丰富的细节,获得了更好的主观视觉评价和客观量化评价,网络泛化能力好.

关键词：图像处理、生成式对抗网络、图像超分辨率重建、卷积神经网络、KL散度

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;云南省万人计划青年拔尖人才项目

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：141-150