改进的SRGAN图像超分辨率重建算法

摘要：

图像超分辨率重建技术可以提高图像的分辨率,在医学、军事等领域都发挥着重要作用.传统的SRGAN图像超分辨率重建算法训练收敛速度慢,高频纹理锐化过度导致部分细节扭曲,影响重建图像质量.针对以上问题,对传统SRGAN模型的生成网络和损失函数进行改进,用于图像超分辨率重建.采用稀疏残差密集网络(SRDN)代替传统的SRResNet作为生成网络,以实现对低分辨率图像特征的充分利用,同时利用SRDN稀疏性的连接方式和深度可分离卷积思想,减少模型的参数量.此外,提出融合VGG低频特征和高频特征的联合感知损失,结合均方误差损失对网络的感知损失函数进行改进.在Set5、Set14、BSD100数据集进行测试,改进SRGAN算法的峰值信噪比(PSNR)、结构相似度(SSIM)和平均选项得分(MOS)3个评价指标结果均优于传统SRGAN算法,重建图像的细节部分更加清晰,整体表现出较好的鲁棒性和综合性能.

关键词：图像超分辨率重建、SRGAN、稀疏残差密集网络、联合感知损失、稀疏表示

所属期刊栏目：31

分类号：TP391.41;TN911.73;TP183

资助基金：国家自然科学基金;广东省自然科学基金面上项目;广州市科技计划

在线出版日期：2022-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：196-203