Resumen

Teniendo en cuenta los problemas de baja resolución y de detalles poco precisos en las imágenes de murales existentes, este trabajo propone un algoritmo de reconstrucción de superresolución para mejorar las imágenes de murales artísticos, optimizando así las imágenes de murales. El algoritmo toma como marco una red generativa adversarial (GAN). En primer lugar, se utiliza una red neuronal convolucional (CNN) para extraer la información de las características de la imagen y, a continuación, las características se asignan al espacio de la imagen de alta resolución del mismo tamaño que la imagen original. Por último, la imagen de alta resolución reconstruida se emite para completar el diseño de la red generativa. A continuación, se utiliza una CNN con módulos profundos y residuales para la extracción de características de la imagen, con el fin de determinar si la salida de la red generativa es una imagen mural auténtica de alta resolución. En concreto, se aumenta la profundidad de la red, se introduce el módulo residual, se elimina la normalización por lotes de la capa de convolución de la red y se utiliza la convolución por subpíxeles para realizar el remuestreo. Además, se adopta una combinación de múltiples funciones de pérdida y la construcción por etapas del modelo de red para optimizar aún más la imagen del mural. El equipo actual ha creado un conjunto de datos de murales. En comparación con varios algoritmos de superresolución de imágenes existentes, la relación señal-ruido (PSNR) del algoritmo propuesto aumenta en una media de 1,2-3,3 dB y la similitud estructural (SSIM) aumenta en 0,04 = 0,13; también es superior a otros algoritmos en términos de puntuación subjetiva. El método propuesto en este estudio es eficaz en la reconstrucción por superresolución de imágenes de murales, lo que contribuye a una mayor optimización de las imágenes de murales antiguos.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:imagen mural, red generativa, módulo residual, red neuronal convolucional, algoritmo de superresolución de imagen, resolución de imagen mural, extracción de características de imagen, imagen mural artística, algoritmo de reconstrucción de superresolución, información de características de imagen
• Keywords:mural image, generative network, residual module, convolutional neural network, image superresolution algorithm, resolution mural image, image features extraction, artistic mural image, superresolution reconstruction algorithm, image features information