改进SRGAN的图像超分辨率算法

摘要：

SRGAN算法虽然具有许多优点,但也存在图像重建效果不够好、参数数量庞大、激活函数表现较差等问题.为此,本文提出一种基于SRGAN的图像超分辨率算法SRGAN-E.该算法首先删除BN层,提高图形的重建效果;再在原生成器模型中加入一维卷积注意力机制,使得图像在重建过程中更加关注上下文信息并减少网络模型中生成器的参数;将SRGAN算法鉴别器模型中的LeakyReLU函数改为Mish函数,以提升鉴别器的性能.实验结果表明:对比SRGAN算法,改进后的SRGAN-E算法在4个测试集上PSNR的平均值增加了0.345,SSIM的平均值增加了0.009;SRGAN-E算法的生成器参数数量与SRGAN算法相比,减少了1388个.SRGAN-E算法不但提高了图像的重建效果而且还减少了模型参数.

关键词：卷积神经网络、深度学习、超分辨率算法、激活函数、图像重建

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：四川省人工智能重点实验室项目;模式识别与智能信息处理四川省高校重点实验室项目

在线出版日期：2022-09-26（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：84-90,103