文献类型：期刊文章

作　　者：王晔[1] 孙志宽[1] 李征[1,2]

WANG Ye;SUN Zhi-Kuan;LI Zheng(College of Computer Science(College of Software),Sichuan University,Chengdu 610065,China;Tianfu Engineering&Oriented Numerical Simulation&Software Innovation Center,Sichuan University,Chengdu 610207,China)

机构地区：[1]四川大学计算机学院(软件学院),成都610065 [2]四川大学天府工程数值模拟与软件创新中心,成都610207

出　　处：《四川大学学报（自然科学版）》

基　　金：国家重点研发计划项目(2020YFA0714003);国家重大项目(GJXM92579);四川省科技厅重点研发项目(2021YFQ0059)。

年　　份：2023

卷　　号：60

期　　号：3

起止页码：39-48

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2023_2024、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：现有的图像超分辨率重建方法都较少考虑真实低分辨率图像中包含的噪声信息,因此会影响图像的重建质量.受真实图像去噪算法的启发,本文引入一个噪声分布收集网络来收集低分辨率图像的噪声分布信息,并采用生成对抗网络的模型设计,提高含噪声图像的重建质量.噪声分布信息会分别输入到超分辨率重建网络和判别网络,在重建过程中去除噪声的同时保证有用高频信息的恢复,另外由于判别网络的能力对整个模型的性能有着重要影响,选择使用U-Net网络来获得更好的梯度信息反馈.与经典图像超分辨率重建算法的对比以及消融实验表明,使用噪声收集网络和U-Net判别网络后,本文模型在噪声低分辨率图像重建任务中获得了更好的性能.

关 键 词：图像超分辨率 生成对抗网络  真实图像  噪声分布  

分 类 号：TP391]