10.3778/j.issn.1002-8331.2111-0393
噪声和U型判别网络的真实世界图像超分辨率
以往基于卷积神经网络的图像超分辨率算法往往是在理想的合成数据进行训练,当应用在真实世界(Real-World)场景时性能就会严重下降.为更好地提取出Real-World图像中的原有特征信息,为其降质过程建模,提出一种噪声和U型判别网络的Real-World图像超分辨率算法.利用直接收集到的Real-World图像原有的复杂噪声信息,结合合成的降质图像,达到降质后图像与源图像保持特征分布相似的目的,以恢复更多的细节信息和更好的观感.此外,提出使用频谱归一正则化的U型判别网络,以提高判别网络的能力和稳定训练,抑制图像重建中伪影的出现.在三个基准数据集上的实验结果表明,与最新的方法相比,该模型在三个评价指标(峰值信噪比、结构相似度和感知图像块相似度)上均取得了最好的结果,且有着更好的观感效果.
超分辨率、真实世界图像、噪声、降质过程、U型判别网络
59
TP391.4(计算技术、计算机技术)
国家自然科学基金;广东省自然科学基金项目;广州市科技计划项目
2023-03-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
204-211