科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对SRGAN(Super-Resolution Generative Adversarial Network)在超分辨率重建过程中存在生成影像伪影、重建效果不佳问题，提出改进SRGAN网络遥感影像超分辨率重建方法。通过舍弃生成模型BN(Batch Normalization)层，降低训练复杂度，同时在生成模型中引入密集残差块增加网络训练宽度，实现网络更深层次训练。采用l1损失函数代替均方差(MSE)损失函数，降低噪声影响。实验结果表明：本文方法较SRGAN具有更高的PSNR(峰值信噪比)、SSIM(结构相似性)，获得更好视觉效果。
- 出版日期2023
- 单位河南理工大学
