软件学报

作者：丁玲，丁世飞，张健，张子晨

单位：丁玲，中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;中国矿业大学 徐海学院, 江苏 徐州 22100811,丁世飞，中国矿业大学 计算机科学与技术学院, 江苏 徐州 22111602,张健，中国矿业大学 计算机科学与技术学院, 江苏 徐州 22111603,张子晨，中国矿业大学 计算机科学与技术学院, 江苏 徐州 22111604

关键词：单图像超分辨率重建;生成对抗网络;能量函数;自动编码器

基金：国家自然科学基金（61976216，61672522）

单幅图像的超分辨率重建（single image super-resolution，简称SR）是一项重要的图像合成任务.目前，在基于神经网络的SR任务中，常用的损失函数包括基于内容的重构损失和基于生成对抗网络（generative adversarial network，简称GAN）的对抗损失.但是，基于传统的GAN的超分辨率重建模型（SRGAN）在判别器接收高分辨率图像作为输入时，输出判别信号不稳定.为了缓解这个问题，在SRGAN以及常用的VGG重构损失框架上，设计了一个稳定的基于能量的辅助对抗损失，称为VGG能量损失.该能量损失使用重构损失中的VGG编码部分，针对VGG编码设计相应的解码器，构建一个U-Net自编码结构VGG-UAE，利用VGG-UAE的重构损失表示能量，并使用该能量函数为生成器提供梯度；基于追踪能量函数的思想，VGG-UAE使生成器生成的高分辨率样本追踪真实数据的能量流.实验部分验证了使用VGG能量损失将比使用传统的GAN损失可以生成更有效的高分辨率图像.

来源：2021年第11期

《软件学报》期刊编辑部

查看软件学报杂志2021年第11期