首页|改进生成对抗网络的图像超分辨率重建算法

改进生成对抗网络的图像超分辨率重建算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
超分辨率生成对抗网络(SRGAN)的高分辨率图像质量较传统方法有明显提升,然而其存在训练过程不稳定、图像浅层特征未充分使用等问题,很大程度上影响生成图像的质量.为此,提出一种特征增强改进的SRGAN模型,使用信息蒸馏块.通过对长短途特征在图像通道上的拼接增强特征纹理信息,利用压缩单元消除图像特征中的冗余信息.此外,使用相对平均鉴别器替代原始SRGAN中的二分类鉴别器,保证生成对抗网络训练的稳定性.本研究基于4倍放大因子进行超分辨重建任务,并在BSD100和SET14数据集上进行实验结果的质化和量化评价.实验表明,该方法较之SRGAN在训练过程中具有更好的稳定性,生成的图像具有更清晰的细节纹理,取得了更佳的图像超分辨率重建效果.
Image super-resolution reconstruction algorithm for improved generative adversarial network

陈波、翁谦、叶少珍

展开 >

福州大学数学与计算机科学学院,福建 福州 350108

福州大学智能制造仿真研究院,福建 福州 350108

生成对抗网络 信息蒸馏 卷积神经网络 超分辨率重建

国家自然科学基金国家自然科学青年基金福建省自然科学基金面上项目福耀玻璃智能制造仿真平台横向项目

61602120418013242019J0124401001701

2021

10.7631/issn.1000-2243.20327

福州大学学报(自然科学版)
福州大学

福州大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.35
ISSN：1000-2243
年,卷(期)：2021.49(3)
  • 1