10.3969/j.issn.1008-7109.2023.03.005
一种改进的生成对抗网络在朱金木雕图像修复中的应用
针对朱金木雕图像纹理丰富难以用简单超分辨率方法修复的问题,提出了一种改进的生成对抗网络方法.依据深度残差模型、子像素卷积模型及截断的预训练视觉几何组19(Visual Geometry Group 19,VGG 19)模型,把输入的低分辨率图像转化为高分辨率图像,并利用原始图像的特征图计算内容损失;应用判别网络判别图像的真实性并计算对抗损失,不断反馈这两种损失来更新模型;通过迁移学习将预训练得到的参数迁移到朱金木雕数据集上,经过少量训练后得到新模型.实验结果表明:使用改进的生成对抗网络得到的峰值信噪比(FPSNR)与结构相似性(FSSIM)指标均值分别为22.546 9和0.675 9,使用其他方法得到FPSNR与FSSIM指标的均值分别为9.835 5和0.1004.使用改进的生成对抗网络获得图片纹理更丰富,在指标和图像效果上更优.
超分辨率、朱金木雕图像、生成对抗网络、迁移学习
35
TP183;TP391.4(自动化基础理论)
2023-10-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
31-37