科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决现有图像增强方法在处理低分辨率模糊图像时，图像出现伪影和图像细节不真实的问题，采用了一种基于深度密集残差生成对抗网络（GAN）的低分辨率模糊图像增强算法，实现低质量图像的有效增强。首先，构建端到端的生成对抗网络框架；进一步地，设计深度密集残差隐特征编码架构，提升对输入图像的深层语义特征表示，增强图像生成效能；最后，重构损失函数，添加感知损失以指导模型学习生成图像的真实性。基于大规模合成图像数据集GoPro的对比实验结果表明：相比于目前最先进的ESRGAN和DeBlurGAN-V2算法，深度密集残差GAN生成的图像在视觉效果上更佳，具有更高的清晰度和更丰富的图像细节；在客观评价指标方面，深度密集残差GAN相较于ESRGAN和DeBlurGAN-V2，峰值信噪比（PSNR）分别提高1.7072dB和1.1683dB，结构相似度（SSIM）分别提高0.0783和0.0713。该算法对低分辨率模糊图像的复原增强是有帮助的。
- 单位
