基于生成对抗网络的图像重建方法改进

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：史雪杰;王同喜;向华

摘要：针对 SRGAN 图像超分辨率重建算法中存在的生成图像边缘模糊、纹理丢失以及无法有效捕捉不同尺度下细节信息的问题,提出一种改进的多尺度感知三重密集生成对抗网络(MSRTD-GAN)。 该算法在生成器部分使用三重密集块(RRTA)替代原有的残差块,增强模型对图像关键细节的提取能力;引入感受野机制(RFB),提高模型对图像不同尺度下细节信息的敏感度;在上采样过程中,采用深度可分离卷积与像素重排技术结合的方法,减少计算成本并有效地保留细节和纹理信息。生成器的目标函数结合五种损失函数,以提高模型的细节恢复能力和生成图像的整体质量。 此外,在判别器部分引入金字塔结构,使模型能够在多个尺度上分析图像,更全面地评估图像质量。 实验结果表明,MSRTD-GAN 算法重建图像的 PSNR 和 SSIM 指标分别达到 29. 36 dB 和 0. 863,相比 SRGAN 分别提高 0. 68 dB 和 0. 015,且重建后的图像边缘轮廓更加明显,纹理细节更为清晰。 这些结果证明了该改进算法在提高图像重建的整体质量方面的有效性。

关键词：生成对抗网络;金字塔结构;超分辨率重建;感受野机制;密集残差块;三重注意力机制