科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于生成对抗网络(GAN)的图像超分辨率重建存在训练不稳定、参数冗余、图片纹理细节不够清晰等问题。针对以上问题，提出一种融合注意力的WGAN图像超分辨率重建算法。在SRGAN的残差网络中融合注意力机制(CBAM)模块，使网络自适应调整各通道权重，以更好的表达高频特征；为了降低网络参数和提高重建图片的精度，去除SRGAN网络中冗余的BN层，同时将Charboonier损失函数定义为内容损失以减少噪声对图片的影响；引入WGAN的思想，将Wasserstein距离定义为对抗损失，以解决SRGAN模型训练不稳定问题。通过在Set5、Set14、BSD100三个公开数据集进行测试，实验结果表明，该算法相比较SRCNN、VDSR、SRGAN等其他SR模型，算法鲁棒性强，重建后图像的PSNR与SSIM值更高，图片纹理细节、主观视觉效果均有所提升。
- 单位
