融合光照损失的图像超分辨率生成对抗网络
摘 要：本文针对在低光照条件下图像分辨率低的问题，提出一种融合光照损失的图像超分辨率生成对抗网络(image super-resolution generative adversarial network based on light loss，LSRGAN)模型．该模型通过构建高分辨率–低分辨率图像对，利用生成器网络、判别器网络进行训练，实现低光照条件下更好的模型生成图像效果．该模型的损失函数包括光照损失、结构相似性损失、内容损失和对抗损失．模型通过构建光照损失函数，利用RGB 三原色颜色空间与YIQ 颜色空间的线性关系计算出图像中的亮度分量，将图像中的亮度作为损失函数，更好地恢复低光照条件下的低分辨率图像；通过增加结构相似性损失，计算超分辨率图像与真实高分辨率图像之间的结构相似性，提高生成图像的质量；内容损失区别于传统的基于像素的损失，使用VGG19 网络中的特征映射进行计算，可以得到更逼真的生成图像；对抗损失使用判别器网络区分超分辨率图像与真实高分辨率图像，提高超分辨率图像的视觉效果．通过在4 个标准数据集Set5、Set14、BSDS100 和Urban100 上设计对比实验，证明通过增加对光照更加敏感的损失函数，使该模型在低光照条件下具有更好的模型生成图像效果；同时通过增加结构相似性损失，使生成的图像视觉质量更好．
论文下载：