摘 要: | 【目的】传统FSRNet生成的超分辨率图像存在伪影、模糊等情况,作为志愿气象观测的试点省份,河南省气象局招募了大批志愿观测站,以期解决部分气象观测图像存在较低的分辨率的问题。【方法】首先引入热图损失、目标注意力损失和对抗性损失构成多维损失函数,对FSRNet进行模块优化,使用转置卷积放大低分辨率的图像。其次对模型进行分步训练,先对低分辨率观测图像进行粗略SR网络训练,再使剩余网络融入训练。【结果】多维损失训练的引入,降低了算法复杂度,提升了粗略SR网络的性能,解决了SR网络训练时调参困难等相关问题,提高了超分辨率气象观测图像的质量。【结论】试验结果证明,本方法在气象领域观测图像的优化相比于其他算法效果更佳,可以生成质量更高、细节更加清晰的目标观测图像。
|