基于多模块协同优化的 SRGAN-SK 图像超分辨率重建算法
作 者：
胡新浩
摘 要：
文章针对超分辨率生成对抗网络 (Super-Resolution Generative Adversarial Network，SRGAN) 在图像超分辨率中存在的纹理模糊、参数量大和梯度消失等问题，提出一种多模块协同优化的选择性核超分辨率生成对抗网 (Super- Resolution Generative Adversarial Network with Selective Kernel，SRGAN-SK) 方法。该方法在生成器中去除批归一化层 (Batch Normalization, BN) 以抑制伪影并增强细节表现；引入轻量化 SK 注意力模块，通过通道 - 空间权重校准提升关键区域重建精度；采用 Mish 激活函数改善梯度流与非线性表达能力；判别器中使用谱归一化（Spectral Normalization,SN）替代 BN，以提高泛化能力并降低计算复杂度。实验表明，SRGAN-SK 在 Set5、Set14 和 BSD100 数据集上峰值信噪比 (Peak Signal-to-Noise Ratio, PSNR ) 与结构相似性 (Structural Similarity Index, SSIM) 分别平均提升 0.0646 dB 与 0.015，参数量减少 18.7%，重建图像在边缘锐度和纹理保真度方面显著优于现有方法。
来 源：
《信息产业报道》 2025-11