面向真实场景的图像超分辨率网络双三次特征调制和多分类鉴别器的设计

摘要

大多数真实场景的图像超分辨率方法通常需要预估图像的退化参数.一旦退化参数估计不准确，网络重建的图像视觉效果往往欠佳.现有的基于生成对抗网络(Generative Adversarial Network, GAN)的方法大多采用全局鉴别器，但由于真实场景的自然图像包含多种复杂且未知的分布，全局鉴别器容易使超分辨率网络仅学到图像的粗粒度信息，进而影响重建图像的局部细节质量.为解决上述问题，提出了双三次特征调制和多分类鉴别器图像超分辨率网络.该网络由双三次特征调制模块和多分类鉴别器组成.双三次特征调制模块能够将真实场景中未知退化的图像特征调制为超分辨率网络更易于处理的双三次特征，以此来提高未知退化图像的重建质量.另外，本研究还设计了多分类鉴别器，通过设置多个鉴别器，使各鉴别器分别专注于图像的一种分布特征进行鉴别，多个鉴别器协同合作，增强对图像不同分布特征的辨识能力，从而提升重建图像的细节表现.实验结果显示，与现有先进的面向真实场景的图像超分辨率方法相比，本文的方法在真实场景测试集上具有显著优势.

关键词

图像超分辨率 / 深度学习 / 特征调制 / 鉴别器