典型文献
融合光照损失的图像超分辨率生成对抗网络
文献摘要：
本文针对在低光照条件下图像分辨率低的问题,提出一种融合光照损失的图像超分辨率生成对抗网络(image super-resolution generative adversarial network based on light loss,LSRGAN)模型.该模型通过构建高分辨率-低分辨率图像对,利用生成器网络、判别器网络进行训练,实现低光照条件下更好的模型生成图像效果.该模型的损失函数包括光照损失、结构相似性损失、内容损失和对抗损失.模型通过构建光照损失函数,利用RGB三原色颜色空间与YIQ颜色空间的线性关系计算出图像中的亮度分量,将图像中的亮度作为损失函数,更好地恢复低光照条件下的低分辨率图像;通过增加结构相似性损失,计算超分辨率图像与真实高分辨率图像之间的结构相似性,提高生成图像的质量;内容损失区别于传统的基于像素的损失,使用VGG19网络中的特征映射进行计算,可以得到更逼真的生成图像;对抗损失使用判别器网络区分超分辨率图像与真实高分辨率图像,提高超分辨率图像的视觉效果.通过在4个标准数据集Set5、Set14、BSDS100和Urban100上设计对比实验,证明通过增加对光照更加敏感的损失函数,使该模型在低光照条件下具有更好的模型生成图像效果;同时通过增加结构相似性损失,使生成的图像视觉质量更好.
文献关键词：
单幅图像超分辨率;生成对抗网络;深度学习
中图分类号：
作者姓名：
陈亚瑞;丁文强;徐肖阳;胡世凯;闫潇宁;许能华
作者机构：
天津科技大学人工智能学院,天津 300457;深圳市安软科技股份有限公司,深圳 518131
文献出处：
引用格式：
[1]陈亚瑞;丁文强;徐肖阳;胡世凯;闫潇宁;许能华-.融合光照损失的图像超分辨率生成对抗网络)[J].天津科技大学学报,2022(04):55-63,70
A类：
LSRGAN,YIQ
B类：
生成对抗网络,低光照,光照条件,下图,图像分辨率,image,super,resolution,generative,adversarial,network,light,loss,低分辨率图像,生成器,判别器,模型生成,成图,损失函数,结构相似性,RGB,三原色,颜色空间,出图,亮度分量,高分辨率图像,像素,VGG19,特征映射,射进,逼真,高超,视觉效果,标准数据集,Set5,Set14,BSDS100,Urban100,设计对比,明通,视觉质量,单幅图像超分辨率
AB值：
0.274917
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
