摘要
在单图像超分辨率（SISR）任务中，结构信息至关重要。近年来，得益于生成对抗网络（GAN）的发展，SISR技术在恢复照片级真实感图像方面取得了显著进展。然而，生成的图像中仍常出现不期望的结构失真问题。为此，本文提出一种结构保持型超分辨率方法，在保留GAN方法生成感知自然细节优势的同时，有效缓解上述结构失真问题。具体而言，我们利用图像的梯度图在两个方面引导重建过程：一方面，通过引入梯度分支恢复高分辨率梯度图，为超分辨率过程提供额外的结构先验信息；另一方面，提出一种梯度损失函数，对超分辨率结果施加二阶约束，以增强对几何结构的建模能力。结合传统的图像空间损失函数，梯度空间的目标函数有助于生成网络更聚焦于图像的几何结构。此外，所提方法具有模型无关性（model-agnostic），可直接应用于现有的即插即用超分辨率网络。实验结果表明，我们的方法在感知图像质量（PI）和学习感知图像相似性（LPIPS）指标上均达到当前最优水平，同时在峰值信噪比（PSNR）和结构相似性（SSIM）等客观指标上与最先进的感知驱动超分辨率方法保持相当水平。视觉结果进一步验证了本方法在恢复精细结构与生成自然逼真超分辨率图像方面的显著优势。