基于生成对抗网络的田间杂草图像超分辨率重建

来源：中国农机化学报杂志2023年第9期北京时间：

作者：何朝霞, 朱嵘涛, 徐俊英

单位：1. 长江大学文理学院，湖北荆州，434023； 2. 长江大学农学院，湖北荆州，434023

摘要：针对目前图像超分辨率方法生成精度以及性能方面的不足，以SRGAN（SuperResolution Using a Generative Adversarial Network）模型为基础，探讨和构建一种生成对抗网络模型，在该模型的损失函数中引入卷积神经网络边缘检测损失，生成的高分辨率图像中保持图像更多的细节。以作物/杂草田地图像数据集作为测试集，开展一系列试验，本方法超分辨率生成图像较双三次插值、SRGAN、ESRGAN和深度残差的GAN模型，峰值信噪比PSNR分别高8.242dB、5.521dB、3.079dB、2.339dB；结构相似性SSIM分别高0.143、0.089、0.051、0.018；在AI识图中的识别准确率分别高10.6%、3.5%、3.9%、2.7%。该方法为田间杂草图像的相关研究提供思路，同时为田间杂草分类等应用研究做好前期数据准备。

关键词：超分辨率,SRGAN,生成对抗网络,损失函数,边缘检测损失,田间管理

基金资助：国家青年科学基金项目（62101114）；湖北省教育厅科学研究计划指导性项目（B2022474）