深度特征均方误差的WGAN-GP图像超分辨率重建算法

摘要

本文针对传统生成式对抗网络训的图像超分辨率重建效果不佳、训练较难等问题,基于深度特征均方误差,提出一种基于WGAN-GP的图像超分辨率重建算法。该算法首先使用改进的带Wasserstein距离和梯度惩罚的生成式对抗网络模型(WGAN-GP),并在该模型基础上建立深度特征均方误差,用于图像超分辨率重建工作。为了验证本文提出算法的可行性与有效性,在图像超分辨率重建数据集BSD100上进行对比仿真实验。实验结果表明,本研究构建的SRWGAN-GP算法具有稳定的梯度与交替迭代收敛能力,提供的深度模型特征图的均方误差能够为超分辨率重建图像提供良好的边缘和纹理细节。与现有基于GANs的图像超分辨率重建算法相比,本文提出的图像超分辨率重建算法在多项指标上获得了更好的性能,并且超分辨率重建结果也优于主流的重建算法。