计算机应用

作者：李福海, 蒋慕蓉, 杨磊, 谌俊毅

单位：1.云南大学 信息学院，昆明 650500；2.中国科学院 云南天文台，昆明 650216

关键词：去模糊,生成对抗网络,梯度引导,局部细节,太阳斑点

基金：国家自然科学基金资助项目(11773073);云南省高校科技创新团队支持项目（IRTSTYN）

针对云南天文台拍摄的高度模糊的太阳斑点图像采用现有深度学习算法恢复难度大、高频信息难以重建等问题，提出了一种基于生成对抗网络（GAN）与梯度信息联合的去模糊方法来重建太阳斑点图，并很好地恢复出图像的高频信息。该方法由一个生成器与两个鉴别器构成：首先，生成器采用特征金字塔网络（FPN）框架来获取图像多尺度特征，再将这些特征分层次输入梯度分支以梯度图的形式捕获更小的局部特征；然后，联合梯度分支结果与FPN结果共同重建出具有高频信息的太阳斑点图像；其次，在常规对抗鉴别器的基础上，增加了一个鉴别器用于保证由梯度分支产生的梯度图更加真实；最后，引入一个包括像素内容损失、感知损失和对抗损失的联合训练损失来引导模型进行太阳斑点图像高分辨率重建。实验结果表明，进行图像预处理后的所提方法与现有的深度学习去模糊方法相比，高频信息恢复能力更强，峰值信噪比（PSNR）和结构相似性（SSIM）指标均有显著提高，分别达到27.801 0 dB与0.851 0，能够满足太阳观测图像高分辨率重建的需要。

来源：2021年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第11期