计算机科学与探索

作者：汪鑫耘，李丹

单位：安徽工业大学 电气与信息工程学院，安徽 马鞍山 243032

关键词：卷积神经网络（CNN）,超分辨率图像重建,生成式对抗网络（GAN）,四倍采样

针对现有卷积神经网络图像超分辨率算法容易出现过拟合、损失函数的收敛性不足等问题，结合超分辨率算法和生成式对抗网络（GAN）理论，设计一种基于生成式对抗网络的超分辨率算法PESRGAN用于恢复四倍下采样的图像。首先使用残差密集块（RDB）作为基本结构单元，有效避免了过拟合问题；其次使用双层特征损失并使用渗透指数（PI）作为损失的权值，更好地去学习低分辨率到高分辨率图像之间的映射关系；同时使用VGG19作为判别网络高分辨率图像进行分类；最后使用经典数据集，将PESRGAN算法与双三次插值（Bicubic）、SRGAN、ESRGAN算法在客观参数和主观视觉效果进行对比。实验结果表明:在经典数据集上，PESRGAN的平均峰值信噪比（PSNR）达到25.4 dB、平均结构相似性（SSIM）达到0.73，平均渗透指数（PI）达到1.15，在客观参数和主观评价上均优于其他算法，证明了PESRGAN有良好的超分辨率重建的效果。

来源：2020年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第4期