基于异构卷积 WGAN 的红外图像超分辨率
图像与视频处理
2022-12-23 v1 计算机视觉与模式识别
机器学习
摘要
图像超分辨率在许多领域十分重要，如监控与遥感。然而，由于光学设备相对昂贵，红外（IR）图像通常分辨率较低。近来，深度学习方法在图像超分辨率上占据主导，并在可见光图像上取得显著性能；但红外图像受到的关注较少。红外图像模式更少，因此深度神经网络（DNNs）难以从中学习多样特征。本文中，我们提出一种采用异构卷积与对抗训练的框架，即基于异构核的超分辨率 Wasserstein GAN（HetSRWGAN），用于红外图像超分辨率。HetSRWGAN 算法是一种轻量级 GAN 架构，应用了即插即用的基于异构核的残差块。此外，采用了一种利用图像梯度的新型损失函数，其可应用于任意模型。所提 HetSRWGAN 在定性与定量评估中均取得持续更优的性能。根据实验结果，整个训练过程更加稳定。
关键词
引用
@article{arxiv.2109.00960,
title = {Infrared Image Super-Resolution via Heterogeneous Convolutional WGAN},
author = {Yongsong Huang and Zetao Jiang and Qingzhong Wang and Qi Jiang and Guoming Pang},
journal= {arXiv preprint arXiv:2109.00960},
year = {2022}
}
备注
To be published in the 18th Pacific Rim International Conference on Artificial Intelligence (PRICAI-2021)