典型文献
基于循环生成对抗网络的超分辨率重建算法研究
文献摘要：
为了提高图像超分辨率重建的效果,该文将注意力机制引入多级残差网络(Multi-level Residual Attention Network,MRAN)作为CycleGAN的重建网络,提出了基于循环生成对抗网络(CycleGAN)的超分辨率重建模型MRA-GAN.MRA-GAN模型中重建网络负责将低分辨率(LR)图像重建为高分辨率(HR)图像,退化网络负责将HR图像降采样为LR图像,LR判别器负责鉴别真实LR图像和通过退化网络降采样得到的LR图像,HR判别器负责鉴别真实HR图像和通过重建网络重建得到的HR图像,并且改进了CycleGAN原有的判别器判别方式和损失函数.实验结果验证了MRA-GAN模型与现有算法相比,在峰值信噪比(PSNR)和结构相似性(SSIM)等指标上都有所改进.
文献关键词：
图像超分辨重建;多级残差网络;循环生成对抗网络;峰值信噪比;结构化相似性
中图分类号：
作者姓名：
蔡文郁;张美燕;吴岩;郭嘉豪
作者机构：
杭州电子科技大学电子信息学院 杭州 310018;浙江水利水电学院电气工程学院 杭州 310018
文献出处：
引用格式：
[1]蔡文郁;张美燕;吴岩;郭嘉豪-.基于循环生成对抗网络的超分辨率重建算法研究)[J].电子与信息学报,2022(01):178-186
A类：
MRAN,结构化相似性
B类：
循环生成对抗网络,重建算法,算法研究,图像超分辨率重建,注意力机制,多级残差网络,Multi,level,Residual,Attention,Network,CycleGAN,重建网络,低分辨率,LR,图像重建,降采样,判别器,判别方式,损失函数,峰值信噪比,PSNR,结构相似性,SSIM,有所改进,图像超分辨重建
AB值：
0.228857
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。
