针对红外图像分辨率偏低的问题,设计了一种改进的超分辨率生成对抗网络(Super-Resolution Using a Generative Adversarial Network,SRGAN)算法。在生成网络中,提出应用残差密集网络获取各网络层提取的图像特征以保留图像更多的高频信息...针对红外图像分辨率偏低的问题,设计了一种改进的超分辨率生成对抗网络(Super-Resolution Using a Generative Adversarial Network,SRGAN)算法。在生成网络中,提出应用残差密集网络获取各网络层提取的图像特征以保留图像更多的高频信息,并采用渐进式上采样方式以提升大缩放因子下超分辨率重建效果。在损失函数方面采用更符合人类感官的感知损失,使生成图像在感官和内容上与真实高分辨率图像更加接近。实验结果表明:所提方法重建的超分辨率红外图像质量在主观及客观评价中均要优于当前具有代表性的方法。展开更多
文摘针对红外图像分辨率偏低的问题,设计了一种改进的超分辨率生成对抗网络(Super-Resolution Using a Generative Adversarial Network,SRGAN)算法。在生成网络中,提出应用残差密集网络获取各网络层提取的图像特征以保留图像更多的高频信息,并采用渐进式上采样方式以提升大缩放因子下超分辨率重建效果。在损失函数方面采用更符合人类感官的感知损失,使生成图像在感官和内容上与真实高分辨率图像更加接近。实验结果表明:所提方法重建的超分辨率红外图像质量在主观及客观评价中均要优于当前具有代表性的方法。
