基于改进生成对抗网络的单帧图像超分辨率重建

作     者：陈宗航 胡海龙 姚剑敏 严群 林志贤 CHEN Zong-hang;HU Hai-long;YAO Jian-min;YAN Qun;LIN Zhi-xian

作者机构：福州大学物理与信息工程学院福建福州350108 晋江市博感电子科技有限公司福建晋江362200 

基　　金：国家重点研发计划课题(No.2016YFB0401503) 广东省科技重大专项(No.2016B090906001) 福建省科技重大专项(No.2014HZ0003-1) 广东省光信息材料与技术重点实验室开放基金(No.2017B030301007) 

出 版 物：《液晶与显示》 (Chinese Journal of Liquid Crystals and Displays)

年 卷 期：2021年第36卷第5期

页      码：705-712页

摘      要：为了获得更好的图像超分辨率重建质量,提高网络训练的稳定性,对生成对抗网络、损失函数进行研究。首先,介绍了SRGAN和DenseNet,并设计了基于DenseNet的生成网络用以生成图像,且将子像素卷积模块加入到DenseNet中。接着,移除了原本DenseNet中冗余的BN层,提高了模型的训练效率。最后,介绍了SRGAN的损失函数并基于Earth-Mover距离来重新设计损失函数,并且用SmoothL1损失取代MSE损失来计算VGG特征图,以防止MSE放大最大误差和最小误差间的差距。实验证明该模型在网络训练过程中能够达到稳定收敛的状态。重建出的图像质量对比SRGAN,在3个基准测试集SET5,SET14,BSD100上的平均PSNR要高约2.02 dB,SSIM高约0.042(5.6%)。重建出的图像不仅在指标上有所提升,且拥有更好的清晰度,高频细节更为丰富。

主 题 词：图像超分辨率 生成对抗网络 深度学习 

学科分类：0810[工学-土木类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.37188/CJLCD.2020-0250

馆 藏 号：203103136...