计算机工程与科学

作者：彭晏飞, 孟欣, 李泳欣, 刘蓝兮

单位：（辽宁工程技术大学电子与信息工程学院，辽宁 葫芦岛 125100）

关键词：超分辨率重建,生成式对抗网络,坐标注意力,U-Net式判别器,

基金：国家自然科学基金（61772249）；辽宁省高等学校基本科研项目（LJKZ0358,LJKQZ2021152）

针对现有生成式对抗网络GAN的图像超分辨率重建模型中存在着特征信息利用不充分、VGG式判别器对局部细节的判断能力较弱以及训练不稳定的问题，提出了一种结合坐标注意力与生成式对抗网络的图像超分辨率重建模型。首先，以嵌有坐标注意力的残差块构建生成器，沿通道和空间2个维度聚合特征，更充分地提取特征。然后，调整Dropout加入网络的方式使其作用于生成器中，提高模型的泛化能力。接着，以U-Net结构构造判别器，输出详细的逐像素反馈，以获取真假图像间的局部差异。最后，在判别器中引入谱归一化正则化，稳定GAN的训练。实验结果表明，当放大因子为4时，在基准测试集Set5和Set14上取得的峰值信噪比平均提高了1.75 dB，结构相似性平均提高了0.038，能够重建出更加清晰且真实的图像，重建图像具有良好的视觉效果。

来源：2024年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第1期