基於SRGAN的雙向特徵流動圖像超分辨率重建

摘要

歷年來爲了防止葉片病害對農作物產量造成的影響，深度學習技術開始引入到葉片病害識別領域並取得良好的效果。深度學習技術依賴於高質量圖像一旦遇到低質量圖像會造成模型性能劇烈下降。爲了防止模型性能下降，人們考慮將低質量圖像通過圖像超分辨率重建後再輸入識別模型中。然而，現有超分辨率模型在處理複雜紋理與結構時，其單向特徵傳遞方式往往導致細節模糊與結構失真，限制了性能的進一步提升。爲此本文創新性地引入雙向特徵流模塊，通過並行處理並動態融合局部細節與全局上下文，實現對圖像多層次特徵的協同增強與更精準重建。對比原有模型在PSNR、SSIM上分別提升0.47dB，1.50%。