结合注意力机制的生成对抗网络图像超分辨重建

为改善图像超分辨率重建的主观视觉效果，提出一种结合注意力机制的图像超分辨生成对抗网络(generative adversarial network, GAN)模型.该模型在生成器网络中引入通道和空间双重注意力机制，选取更合适的重要特征信息进行传递；判别器网络采用WGAN进行构建，通过Wasserstein距离定义对抗损失，解决了GAN模型的训练不稳定问题.该重建模型在Set5、Set14、BSD100和Urban100共4个标准数据集上进行了实验，结果表明，和主流的超分辨重建算法相比，该模型的主客观评价指标均有所提高，图像细节信息恢复更加清晰，重建质量更好.