Page 65 - 无损检测2024年第十一期

危洪波，等：
基于 SRGAN 的介电材料缺陷微波检测图像稀疏重建

图 3 SRResNet 生成器网络结构示意
（Residual neural network，ResNet）构建生成器。 型的图像特征提取器结构。
鉴于微波成像的图像模糊、特征不明显，文章将 在SRGAN生成器的训练过程中为防止更新
残差网络的数量由16设定为32，旨在进一步强化网 中的还原图像过于平滑，更新生成器的损失函数增
络对微波图像特征的捕捉与提取能力，从而提升成 加了除与图片相似程度的感知损失之外的判别损
像效果与精度。对原始图像进行下采样处理后，得 失。判别损失是连接生成器与判别器的桥梁，是
到的稀疏图像尺寸会小于原始图像尺寸。然而，由 SRGAN网络在博弈中提升还原图像水平能力的关
于文章设计的网络结构中融入了残差模块，这使得 键。SRGAN网络的感知损失函数由两部分组成，第
所有残差块的输入与输出尺寸必须保持相同，故文 一部分借助了VGG16（Visual Geometry Group）网
章使用了一种像素清洗模块来调整图像尺寸，保证 络结构进行特征提取，VGG16网络结构示意如图6
输出的还原图像尺寸与原始图像尺寸相匹配。像素 所示。
清洗模块的结构示意如图4所示，通过控制像素清 经过VGG16特征提取的原始图像与还原图像
洗模块的个数，即可控制还原图像与稀疏图像的尺 的均方误差可表示为
寸之比，从而实现多尺度的微波图像稀疏重建。 M 2

1
I

判别器作为辅助生成器训练的结构，其作用为 L P 1 = M    V GG    I o   i -  V GG    （1）
i 
r  
防止生成器生成的图像过于平滑而导致失真。判别 i 1
器Discriminator的网络结构如图5所示，该结构为典 式中：V 为VGG16特征图的输出；I ，I 分别为原
r
o
GG

图 4 像素清洗模块结构示意

图 5 判别器 Discriminator 的网络结构

图 6 VGG16 网络结构示意
31
2024 年 第 46 卷 第 11 期
无损检测