融合注意力的WGAN图像超分辨率重建算法

摘要：

基于生成对抗网络(GAN)的图像超分辨率重建存在训练不稳定、参数冗余、图片纹理细节不够清晰等问题.针对以上问题,提出一种融合注意力的WGAN图像超分辨率重建算法.在SRGAN的残差网络中融合注意力机制(CBAM)模块,使网络自适应调整各通道权重,以更好的表达高频特征;为了降低网络参数和提高重建图片的精度,去除SRGAN网络中冗余的BN层,同时将Charboonier损失函数定义为内容损失以减少噪声对图片的影响;引入WGAN的思想,将Wasserstein距离定义为对抗损失,以解决SRGAN模型训练不稳定问题.通过在Set5、Set14、BSD100三个公开数据集进行测试,实验结果表明,该算法相比较SRCNN、VDSR、SRGAN等其他SR模型,算法鲁棒性强,重建后图像的PSNR与SSIM值更高,图片纹理细节、主观视觉效果均有所提升.

关键词：超分辨率、WGAN网络、注意力机制、Charbonnier损失函数

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：168-170,174