科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对古代壁画分辨率低、纹理细节模糊导致壁画观赏性不足和研究价值不高的问题，本文基于生成对抗网络(GAN)，提出了一种能更好地重建细节纹理的壁画图像超分辨率方法。首先，针对浅层图像特征利用不充分，引入信息蒸馏块提取图像浅层特征，增强后面网络的输出结果。其次，用RRDB-Fs提取深层图像特征，去除了残差块中影响图像生成质量的BN层，提高了网络的训练速度。再者，引入局部特征融合和全局特征融合，将不同层次的特征自适应地融合在一起，使重建出的图像含有丰富的细节信息。最后，在计算感知损失时使用激活前的特征，增强重建壁画图像亮度和原壁画图像亮度的一致性，同时避免伪影的产生。实验结果表明，本文所述方法和其他算法相比，具有较好的视觉效果，且重建图像的峰值信噪比和结构相似性指标均有提高；峰值信噪比平均提高了0.512-3.016dB，结构相似性提高了0.009-0.089。
- 单位
