基于生成对抗网络的轻量级图像盲超分辨率网络

针对图像盲超分辨率网络计算参数多、模型庞大的问题，对快速且节省内存的轻量级图像非盲超分辨率网络（fast and memory-efficient image super resulotion network, FMEN）进行改进，提出了一种轻量级的快速且节省内存的图像盲超分辨率网络（fast and memory-efficient image blind super resulotion network, FMEBN)。首先，通过图像退化模块模拟部分真实世界退化空间，使用退化预测模块预测低分辨率(low resolution, LR)图像的退化参数；然后，为能有效利用退化先验信息指导并约束网络进行重建，使用动态卷积对原网络特征提取、重建模块、高频注意力块（high frequency attention block, HFAB）结构进行改进；最后，使用生成对抗网络（generative adversarial network, GAN)对FMEN训练策略与损失函数进行优化，减小真实数据与生成数据的差异，生成更加真实、清晰的纹理、轮廓。实验结果表明，在合成图像数据集和真实图像数据集R...