摘要
针对人脸超分辨率重建中引入的先验知识不够丰富的问题,提出了一种基于Wasserstein生成对抗网络(WGAN)的人脸超分辨率重建算法.模型包含生成网络和判别网络,生成网络去除批量规范层并增加残差块数量加深网络深度,判别网络增加特征图通道数并引入了快捷连接优化网络,模型用Wasserstein距离代替KL散度作为网络的对抗损失,交替训练生成网络和判别网络,生成高分辨率的人脸图像.实验结果表明,相比原始生成对抗网络超分辨率重建算法(SRGAN),所提算法在MS-Celeb-1M和LFW数据集中峰值信噪比(PSNR)和结构相似性(SSIM)分别提高了0.26 dB、2％和0.31 dB、3％,同时对比最近邻(NN)、双三次插值(Bic)、基于卷积神经网络超分辨率重建(SRCNN)、SRGAN,所提算法在LFW、MS-Celeb-1M数据集上均重建出视觉效果更好的人脸图像,证明了该算法的有效性,为人脸超分辨率重建提出了新的解决方案.
国家科技期刊平台
NSTL
维普
万方数据