文献类型：期刊文章

作　　者：张德[1] 甄昊宇[1] 林青宇[1]

ZHANG De;ZHEN Haoyu;LIN Qingyu(School of Electrical and Information Engineering,Beijing Key Laboratory of Intelligent Processing for Building Big Data,Beijing University of Civil Engineering and Architecture,Beijing 100044,China)

机构地区：[1]北京建筑大学电气与信息工程学院,建筑大数据智能处理方法研究北京市重点实验室,北京100044

出　　处：《福建师范大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61871020)。

年　　份：2023

卷　　号：39

期　　号：3

起止页码：86-93

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：为改善图像超分辨率重建的主观视觉效果,提出一种结合注意力机制的图像超分辨生成对抗网络(generative adversarial network,GAN)模型.该模型在生成器网络中引入通道和空间双重注意力机制,选取更合适的重要特征信息进行传递;判别器网络采用WGAN进行构建,通过Wasserstein距离定义对抗损失,解决了GAN模型的训练不稳定问题.该重建模型在Set5、Set14、BSD100和Urban100共4个标准数据集上进行了实验,结果表明,和主流的超分辨重建算法相比,该模型的主客观评价指标均有所提高,图像细节信息恢复更加清晰,重建质量更好.

关 键 词：图像超分辨  生成对抗网络  注意力机制  深度学习  

分 类 号：TP391]