基于SRGAN的双向特征流动图像超分辨率重建

摘要

历年来为了防止叶片病害对农作物产量造成的影响，深度学习技术开始引入到叶片病害识别领域并取得良好的效果。深度学习技术依赖于高质量图像一旦遇到低质量图像会造成模型性能剧烈下降。为了防止模型性能下降，人们考虑将低质量图像通过图像超分辨率重建后再输入识别模型中。然而，现有超分辨率模型在处理复杂纹理与结构时，其单向特征传递方式往往导致细节模糊与结构失真，限制了性能的进一步提升。为此本文创新性地引入双向特征流模块，通过并行处理并动态融合局部细节与全局上下文，实现对图像多层次特征的协同增强与更精准重建。对比原有模型在PSNR、SSIM上分别提升0.47dB，1.50%。