既存の画像超解像再構成アルゴリズムでは、再構成された画像に依然として高周波情報の欠落やノイズの増加という問題が存在します。本稿では、畳み込みスパースコーディングと生成対抗ネットワークに基づく画像超解像再構成モデルを提案します。まず、畳み込みネットワークを利用してスパースコーディングを実現し、画像のスパース表現を取得することで、画像の先行情報を十分に活用し、再構成画像の高周波情報の欠落とノイズの増加の問題を効果的に回避します。低解像度画像のスパース表現を得た後、再構成モジュールを介してスパース表現を再構成し、超解像画像を取得します。その後、識別器が再構成画像を識別し、PSNR主導のアルゴリズムによって生じる画像の平滑化問題を緩和します。継続的な対抗訓練の後、最終的な再構成画像はより優れた視覚効果を持ちます。本稿ではSet5、Set14、BSD100、Urban100の一般的なテストデータセットを用いて2倍および4倍の超解像再構成実験を行い、Bicubic、SRGAN、EDSR、ESRGANと比較しました。ESRGAN法と比較して、本モデルは4つのデータセットで平均PSNRが約0.7028 dB、平均SSIMが約0.047、平均LPIPSが0.016向上しました。実験結果は、提案モデルが高い競争力を持ち、より多くの細かいテクスチャのディテールを復元し、より良い鮮明さを持つことを示しています。

画像処理;画像超解像;スパース表現;生成対抗ネットワーク