基于潜在辅助特征的图像超分辨率重建算法研究

作     者：刘晨鸣 张能欢 刚睿鹏 马赛 王永滨 LIU Chenming;ZHANG Nenghuan;GANG Ruipeng;MA Sai;WANG Yongbin

作者机构：国家广播电视总局广播电视科学研究院北京100866 中国传媒大学媒体融合与传播国家重点实验室北京100024 

出 版 物：《网络新媒体技术》 (Network New Media Technology)

年 卷 期：2024年第13卷第2期

页      面：10-18页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家广播电视总局广播电视科学研究院基本科研业务费项目:视频场景智能合成关键技术研究(编号:JBKY20230100) 

主　　题：图像超分辨率重建 图像质量增强 生成对抗网络 潜在辅助特征 深度学习 

摘      要：图像超分辨率重建作为图像质量增强研究领域的基本任务之一,具有很高的研究和应用价值。生成对抗网络可以有效提高超分辨率重建图像的纹理细节信息,在该领域得到了广泛应用。然而,仅仅依靠从输入的低分辨率图像中学习的特征信息,难以重建出高质量的超分辨率图像。针对该问题,本文提出一种基于潜在辅助特征的图像超分辨率重建算法,引入一个可训练的潜在特征来扩大生成器的特征空间,为重建图像提供辅助的特征信息,提高重建效果。同时还利用输入图像特征来对潜在辅助特征的生成进行约束指导,避免特征空间差异性大,导致重建图像保真度低。本文所提方法在7个公开数据集上与7种方法进行了对比实验。实验结果表明,本文方法所重建的超分图像纹理细节信息更丰富,视觉效果更好。