기존의 이미지 초해상도 복원 알고리즘은 복원된 이미지에서 여전히 고주파 정보 손실과 노이즈 증가 문제를 겪고 있습니다. 본 논문에서는 합성곱 희소 코딩과 생성적 적대 신경망에 기반한 이미지 초해상도 복원 모델을 제안합니다. 먼저, 합성곱 네트워크를 이용해 희소 코딩을 수행하고 이미지의 희소 표현을 획득하여 이미지의 사전 정보를 충분히 활용함으로써 복원된 이미지의 고주파 정보 손실과 노이즈 증가 문제를 효과적으로 방지합니다; 저해상도 이미지의 희소 표현을 얻은 후에는 복원 모듈을 통해 희소 표현을 복원하여 초해상도 이미지를 생성합니다; 이후 판별기가 복원된 이미지를 판별하여 PSNR 주도 알고리즘으로 인해 복원 이미지가 평탄화되는 문제를 완화합니다. 지속적인 적대적 학습 후 최종 복원 이미지는 더 나은 시각적 효과를 가집니다. 본 논문은 Set5, Set14, BSD100 및 Urban100 일반 테스트 데이터셋에서 2배 및 4배 초해상도 복원 실험을 수행하였고 Bicubic, SRGAN, EDSR 및 ESRGAN과 비교하였습니다. ESRGAN 방법과 비교했을 때, 본 모델은 4개 데이터셋에서 평균 PSNR이 약 0.7028 dB, 평균 SSIM이 약 0.047, 평균 LPIPS가 0.016 향상되었습니다. 실험 결과, 제안된 모델은 경쟁력이 강하며 더 많은 세밀한 텍스처 디테일을 복원하고 더 나은 선명도를 가집니다.

이미지 처리; 이미지 초해상도; 희소 표현; 생성적 적대 신경망