来源：期刊VIP网 时间：
作者：陆欣雅;陈佳怡;司占军;张滢雪;
单位：天津科技大学轻工科学与工程学院;天津科技大学人工智能学院;大连理工大学软件学院;大连理工大学国际信息与软件学院;
摘要：目前图像超分辨率重建技术已在医疗成像、视频监控和工业质检等领域都有了广泛的应用，它不仅能够提高图像的质量，还能增强细节和提高视觉感知，大大提升了低分辨率图像的利用价值。本研究提出了一种基于生成对抗网络（SRGAN）的改进型图像超分辨率重建模型，在生成器中引入了通道和空间注意力机制（CSAB），使其能够有效地利用输入图像的信息增强特征表示并捕捉图像中的重要信息。判别器采用改进后的PatchGAN架构，能够更精确地捕捉图像的局部细节和纹理信息。通过改进的生成器和判别器架构，以及优化的损失函数设计，本研究方法在图像质量评估指标上表现较好。实验结果显示，该方法优于传统方法的性能，同时在视觉效果上也呈现出更为细腻和真实的图像细节。
关键词：图像超分辨率重建;;生成对抗网络;;CSAB;;PatchGAN架构
