إعادة بناء صور عالية الدقة القائمة على الترميز النادر التلافيفي وشبكة الخصومة التوليدية
摘要
تواجه خوارزميات إعادة بناء الصور عالية الدقة الحالية مشكلة فقدان المعلومات عالية التردد وزيادة الضوضاء في الصورة المعاد بناؤها. في هذه الورقة، نقترح نموذج إعادة بناء صورة عالية الدقة قائم على الترميز النادر التلافيفي وشبكة الخصومة التوليدية. أولاً، يتم استخدام الشبكة التلافيفية لتحقيق الترميز النادر والحصول على تمثيل نادر للصورة، مستغلاً بشكل كامل المعلومات السابقة للصورة، مما يتجنب بشكل فعال مشكلة فقدان المعلومات عالية التردد وزيادة الضوضاء في الصورة المعاد بناؤها؛ بعد الحصول على التمثيل النادر للصورة منخفضة الدقة، يتم إعادة بناء صورة عالية الدقة من خلال وحدة إعادة البناء؛ بعد ذلك، يقوم المُميز بتمييز الصور المعاد بناؤها، لتخفيف مشكلة تموج الصورة الناتجة عن الخوارزميات التي تهيمن عليها PSNR والتي تؤدي إلى تموج الصور. بعد التدريب التنافسي المتواصل، تتمتع الصورة المعاد بناؤها النهائية بتأثير بصري أفضل. أجرينا تجارب إعادة البناء عالية الدقة بمضاعفة 2 و4 على مجموعات بيانات الاختبار العامة Set5 وSet14 وBSD100 وUrban100، وقمنا بالمقارنة مع Bicubic وSRGAN وEDSR وESRGAN. مقارنة بطريقة ESRGAN، يحسن نموذجنا بمقدار حوالي 0.7028 ديسيبل PSNR في المتوسط عبر 4 مجموعات بيانات، ويرتفع متوسط SSIM بنسبة 0.047، وترتفع LPIPS بمقدار 0.016 في المتوسط. توضح النتائج التجريبية أن النموذج المقترح يتمتع بقوة تنافسية قوية، ويمكنه استعادة المزيد من التفاصيل الدقيقة للنسيج ويتميز بوضوح أفضل.
关键词
معالجة الصور; الصور عالية الدقة; التمثيل النادر; شبكة الخصومة التوليدية
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website