生成对抗网络的单图像超分辨率重建方法

摘要：

基于深度卷积神经网络的超分辨率重建方法虽然有较高的峰值信噪比(PSNR),但重建结果在大尺度因子下存在缺乏高频信息和纹理细节,视觉感知效果差的问题.针对这一问题,提出了一种基于生成对抗网络的单图像超分辨率重建方法.首先迁移支持向量机中的hinge损失作为目标函数,其次使用更加稳定、抗噪性更强的Charbonnier损失代替L2损失函数,最后去掉了残差块和判别器中对图像超分辨率不利的批规范化层,并在生成器和判别器中使用谱归一化来减小计算开销,稳定模型训练.实验结果表明,在4倍放大尺度因子下,相较其他对比方法,该方法重建图像的PSNR值最高提升4.6 dB,SSIM值最高提升0.1,测试时间较短.实验数据和效果图均表明该方法重建的超分辨率图像视觉效果较好,且有更高的PSNR和SSIM值.

关键词：超分辨率重建、生成对抗网络(GAN)、深度学习、卷积神经网络(CNN)、损失函数

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61702241, 61602226 国家自然科学基金;the Basic Research Project of Liaoning Provincial Department of Education under Grant No. LJ2017FBL004 辽宁省教育厅高等学校基本科研项目

在线出版日期：2020-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1612-1620