科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的图像超分辨率重建算法仍存在细节上处理不足的问题，提出一种基于改进增强型超分辨率生成对抗网络（ESRGAN）的图像超分辨率重建算法。首先，使用多尺度密集连接模块（MDB）代替密集连接模块（DB），并且在MDB后添加通道注意力机制，以调整不同通道的特征响应值，从而改进了ESRGAN的生成网络模型中的深层信息提取模块。其次，通过改进ESRGAN模型中的浅层特征提取模块提取低分辨率图像的原始特征，并通过深层信息提取模块提取低分辨率图像的深度残差特征，将原始特征和深度残差特征以对应元素相加的方式融合。最后，利用重建模块完成图像超分辨率重建。在Set5、Set14和BSD100数据集上进行2倍和4倍超分辨率重建测试，并对所提算法与Bicubic、FSRCNN、ESRGAN方法进行对比。结果显示，所提算法获得的重建图像边缘更加清晰，能够提供相对较多的细节，大大提升了图像的视觉效果。在客观质量评价方面，所提算法2倍超分辨重建后图像的峰值信噪比（PSNR）平均值相比ESRGAN提高了0.467 dB，结构相似性（SSIM）平均值提高了0.005;4倍超分辨重建后图像的PSNR平均值相比ESRGAN提高了0.438 dB,SSIM平均值提高了0.015。
- 单位
