典型文献
基于级联残差对抗生成网络的超分辨重建
文献摘要：
图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural net-work,CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进.为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像.对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的.每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程.判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力.同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富.实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升.
文献关键词：
深度学习;超分辨;SRGAN;生成器;判别器
中图分类号：
作者姓名：
祁成晓;刘芳;孙策;曲振方;朱福珍
作者机构：
黑龙江大学电子工程学院,哈尔滨150080;黑龙江东方学院信息工程学院,哈尔滨150086
文献出处：
引用格式：
[1]祁成晓;刘芳;孙策;曲振方;朱福珍-.基于级联残差对抗生成网络的超分辨重建)[J].黑龙江大学自然科学学报,2022(03):365-371
A类：
B类：
对抗生成网络,超分辨重建,图像超分辨率,Convolutional,neural,net,work,重建算法,重建图像,人眼,感知质量,生成器,子模块,判别器,图像特征,残差块,分组卷积,参数量,同级,信息流,上采样,图像重建,器重,高分辨率图像,别过,模型能力,感知损失,峰值信噪比,dB,结构相似度,视觉评价,客观量化评估,SRGAN
AB值：
0.263618
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。
