程文博

（1.中國(guó)船舶集團(tuán)有限公司第七一〇研究所，湖北 宜昌 443003；2.清江創(chuàng)新中心，湖北 武漢 430076）

0 引言

隨著對(duì)湖泊、江河和海洋的探索不斷深入，對(duì)于各類水底地形的刻畫需求也日益增加。目前可通過(guò)水下無(wú)人潛航器[1]裝配側(cè)掃聲吶得到水底地形原始圖像，通過(guò)超分辨率處理，可以獲得更加精細(xì)且清晰的地形圖像，這樣不僅對(duì)水下環(huán)境的感知和后續(xù)的自主決策至關(guān)重要，還能提升圖像中小目標(biāo)的探測(cè)和識(shí)別效果。

圖像超分辨率（Super-Resolution，SR）是在20世紀(jì)60年代由HARRIS 等人[2]首次提出的，他們采用線性插值算法，提高了圖像的空間分辨率。目前主流的超分辨率算法主要有2 種：1）基于圖像插值的方法；2）基于深度學(xué)習(xí)的方法。SR 算法的概述如圖1所示?；诓逯档乃惴ㄊ亲钤绫粦?yīng)用于圖像超分領(lǐng)域的，其中最鄰近元法[3]由SCHULTZ等人提出，此方法相當(dāng)于讓圖像經(jīng)過(guò)一個(gè)高通濾波器，可以保留圖像的一部分邊緣特征。由HOU 等人提出的雙線性內(nèi)插法[4]，是對(duì)插值點(diǎn)附近的4 個(gè)相鄰像素進(jìn)行加權(quán)求和作為插值點(diǎn)的像素值，權(quán)值的大小與插值點(diǎn)和相鄰像素點(diǎn)的距離成反比，所以重建后的圖像細(xì)節(jié)較差，邊緣較模糊。LI 等人提出的三次內(nèi)插法[5]，是對(duì)插值點(diǎn)附近的16 個(gè)相鄰像素點(diǎn)進(jìn)行加權(quán)求和作為插值點(diǎn)的像素值，因此重建圖像的邊緣特征會(huì)更平滑。

圖1 超分算法概述圖Fig.1 Schematic diagram of SR algorithm

隨著各行各業(yè)對(duì)超分辨率的需求不斷增加，基本的插值算法已經(jīng)不能滿足需求，各種新的SR算法如雨后春筍，而現(xiàn)如今深度學(xué)習(xí)的應(yīng)用日益廣泛[6-7]，基于深度學(xué)習(xí)的SR 也得到了迅速的發(fā)展。2014年，香港中文大學(xué)的董超等人[8]首次將卷積神經(jīng)網(wǎng)絡(luò)用于超分領(lǐng)域中，提出了超分辨率卷積神經(jīng)網(wǎng)絡(luò)（Super-Resolution Convolutional Neural Network，SRCNN），通過(guò)簡(jiǎn)單的3 層卷積結(jié)構(gòu)，完成了圖像從低分辨率輸入到高分辨率輸出的轉(zhuǎn)化，相較于傳統(tǒng)的插值算法，性能有了一定的提升。隨著生成對(duì)抗網(wǎng)絡(luò)[9]的興起，生成對(duì)抗網(wǎng)絡(luò)在圖像的重建中取得了較好的成績(jī)，也逐漸被應(yīng)用于圖像超分領(lǐng)域，LEDIG 等人[10]提出了SRGAN，首次使用生成對(duì)抗網(wǎng)絡(luò)來(lái)訓(xùn)練SRResNet，使其生成的高分辨率圖像看起來(lái)更加自然，相較于SRCNN 有更好的視覺效果。2018年，ZHANG 等人[11]提出了殘差密集網(wǎng)絡(luò)，充分利用了所有層的特征，然后通過(guò)特征融合機(jī)制極大限度的保留了特征，得到了更好的重建效果。WANG 等人[12]為了進(jìn)一步提升生成圖像的質(zhì)量，更好的保留原有的細(xì)節(jié)信息，在網(wǎng)絡(luò)中引入了殘余稠密塊（Residual-in-Residual Dense Block，RRDB）取代了殘差塊。哈爾濱工程大學(xué)的梁雪燦[13]在條件生成對(duì)抗網(wǎng)絡(luò)[14]（CGAN）的基礎(chǔ)上提出了SR-CGAN 和一種帶有梯度懲罰的深層生成對(duì)抗網(wǎng)絡(luò)（DGP-SRGAN），前者可以有效地控制超分辨率圖像輸出，后者對(duì)保留細(xì)節(jié)和提高紋理起到了一定的作用。SOH[15]等人在2020年提出了一種基于元學(xué)習(xí)的超分算法訓(xùn)練過(guò)程——MZSR，該方法利用元學(xué)習(xí)“學(xué)習(xí)怎樣去學(xué)習(xí)”的特性，在一定程度上解決了小樣本和大量迭代訓(xùn)練的問(wèn)題。

綜上所述，傳統(tǒng)插值算法存在著圖像整體平滑的問(wèn)題，處理后圖像中小目標(biāo)的邊緣模糊。本文采用了基于生成對(duì)抗網(wǎng)絡(luò)的超分算法，可以在保留紋理細(xì)節(jié)的情況下，將低分辨率圖像轉(zhuǎn)化為高分辨率圖像輸出，通過(guò)對(duì)圖像聲吶實(shí)測(cè)數(shù)據(jù)進(jìn)行處理，驗(yàn)證了方法的有效性。

1 本文方法及原理介紹

1.1 網(wǎng)絡(luò)結(jié)構(gòu)及預(yù)處理

本文中生成模塊的基本架構(gòu)是SRResNet，但是對(duì)于中間的非線性映射結(jié)構(gòu)做出了調(diào)整，本文的非線性映射結(jié)構(gòu)由17 個(gè)殘余稠密塊構(gòu)成，其中每個(gè)RRDB 均由3 個(gè)稠密塊（Dense Block，DB）組成，每個(gè)DB 則由3 個(gè)conv-LeakyRelu 模塊和1個(gè)卷積層構(gòu)成。本文中的判別模塊采用VGG128[16]網(wǎng)絡(luò)。

生成模塊的結(jié)構(gòu)如圖2所示，RRDB 和DB 的結(jié)構(gòu)分別如圖3和圖4所示。

圖2 生成模塊結(jié)構(gòu)圖Fig.2 Generate module structure

圖3 RRDB 結(jié)構(gòu)圖Fig.3 RRDB structure

圖4 DB 結(jié)構(gòu)圖Fig.4 DB structure

在圖像識(shí)別領(lǐng)域，卷積層的作用往往是減少或者維持輸入特征圖不變來(lái)達(dá)到提取特征的目的，而在生成對(duì)抗的超分算法中則是使用上采樣來(lái)增加輸入特征圖的大小，從而使輸入的低分辨率圖像變成高分辨率圖像輸出。本文采用轉(zhuǎn)置卷積的方法來(lái)達(dá)到上采樣的效果。轉(zhuǎn)置卷積計(jì)算過(guò)程如圖5所示。

圖5 轉(zhuǎn)置卷積計(jì)算過(guò)程Fig.5 Transposed convolution calculation process

從圖5中可以看出，轉(zhuǎn)置卷積的計(jì)算過(guò)程就是kernel 核與輸入的特種圖中，逐個(gè)元素相乘，放在對(duì)應(yīng)位置，得到不同的特征矩陣，然后逐一相加得到最終的輸出。此處的例子stride=2，所以滑動(dòng)的步長(zhǎng)是2。

1.2 損失函數(shù)

生成模塊的損失函數(shù)可以分為3 個(gè)部分：內(nèi)容損失、像素?fù)p失、對(duì)抗損失。其中內(nèi)容損失用到的是VGG19 經(jīng)過(guò)激活函數(shù)之前的卷積層的輸出特征圖作為計(jì)算的輸入，使得其更偏重于紋理上的損失，而像素?fù)p失更偏向于像素層面的損失。其總體損失函數(shù)公式為

式中：LG為總損失；Lcotent為內(nèi)容損失；LGL為對(duì)抗損失；Lpixel為像素?fù)p失。

Lcotent損失函數(shù)的公式為

式中：VGG（）為經(jīng)過(guò)VGG19 后第20 層的輸出結(jié)果；xiLR為生成模塊輸入的低分辨率圖像；xiSR為xiLR經(jīng)過(guò)生成模塊后輸出的高分辨率圖像。

Lpixel損失函數(shù)的公式為

式中：G（xi）為經(jīng)過(guò)了生成模塊的輸出；y為原始高分辨率圖像。像素?fù)p失就是計(jì)算二者之間的平均絕對(duì)誤差。

LGL損失函數(shù)的公式為

式中：N為每次訓(xùn)練的樣本個(gè)數(shù)；yi為labels；p（yi）為將樣本識(shí)別為正確的概率。

1.3 評(píng)價(jià)指標(biāo)

在現(xiàn)有的圖像處理算法里，一般常用峰值信噪比（Peak Signal to Noise Ratio，PSNR）和結(jié)構(gòu)相似性（Structural Similarity，SSIM）作為圖像質(zhì)量好壞的評(píng)價(jià)指標(biāo)。PSNR 公式為

式中：yi為真實(shí)值；為估計(jì)值。

從上式中可以看出，MSE 為處理后圖像和原始圖像的均方誤差，所以MSE 的值越小代表處理后的圖像與原始圖像越相似。因此，當(dāng)PSNR 越大時(shí)，說(shuō)明處理之后的圖像失真程度越小。

SSIM 的公式為

式中：μimg1是img1的平均值；μimg2是img2的平均值；σimg12是img1的方差；σimg22是img2的方差；σimg1img2是img1和img2的協(xié)方差；c1=（k1L）2，c2=（k2L）2，這2 個(gè)常數(shù)是用來(lái)維持計(jì)算穩(wěn)定的；L是圖像像素值的最大值255；k1=0.01；k2=0.03。

SSIM 是衡量2 幅圖像相似度的指標(biāo)，SSIM 的值越大，表示圖像失真程度越小，說(shuō)明圖像質(zhì)量越好.但是，對(duì)于圖像而言，人眼直觀感受仍是最直接的衡量標(biāo)準(zhǔn)。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)環(huán)境

本文中的實(shí)驗(yàn)部分均使用Python 中的深度學(xué)習(xí)框架TensorFlow 完成。

實(shí)驗(yàn)設(shè)備環(huán)境如表1所示。

表1 實(shí)驗(yàn)設(shè)備環(huán)境Table 1 Test equipment environment

2.2 實(shí)驗(yàn)結(jié)果與分析

本文中用到的高分辨率（High Resolution，HR）數(shù)據(jù)集為開源數(shù)據(jù)集DIV2K，對(duì)其進(jìn)行降采樣處理得到分辨率降低4 倍的低分辨率（Low Resolution，LR）數(shù)據(jù)集DIV2K_LRX4，通過(guò)上述數(shù)據(jù)集對(duì)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練。完成預(yù)訓(xùn)練后，通過(guò)同樣的處理方式將湖試取得的側(cè)掃聲吶圖像降采樣得到LR 數(shù)據(jù)集，用得到的LR 數(shù)據(jù)集和處理前的側(cè)掃聲吶圖像數(shù)據(jù)集對(duì)完成預(yù)訓(xùn)練的網(wǎng)絡(luò)進(jìn)行微調(diào)。

完成數(shù)據(jù)集構(gòu)建并搭建完網(wǎng)絡(luò)后，開始進(jìn)行網(wǎng)絡(luò)參數(shù)設(shè)置。其中，batch_size 設(shè)置為8，生成模塊輸入圖像的維度為32×32×3，判別模塊輸入圖像的維度為128×128×3，預(yù)訓(xùn)練網(wǎng)絡(luò)迭代500 000次，后續(xù)訓(xùn)練固化網(wǎng)絡(luò)迭代次數(shù)設(shè)為200 000 次，網(wǎng)絡(luò)訓(xùn)練采用Adam 優(yōu)化算法，網(wǎng)絡(luò)預(yù)訓(xùn)練時(shí)初始學(xué)習(xí)率設(shè)置為0.002，迭代次數(shù)每增加200 000 學(xué)習(xí)率乘0.5，后續(xù)訓(xùn)練固化時(shí)網(wǎng)絡(luò)訓(xùn)練的初始學(xué)習(xí)率設(shè)置為0.000 1，迭代次數(shù)每增加50 000 學(xué)習(xí)率乘0.5。

訓(xùn)練完成后用2 張低分辨率的樣本圖像來(lái)測(cè)試網(wǎng)絡(luò)的超分辨率性能，并與其他的超分算法作對(duì)比，如線性插值算法、SRGAN、三次插值算法。圖6為樣本圖，測(cè)試樣本1 與測(cè)試樣本2 經(jīng)過(guò)上述算法處理后輸出的圖像分別如圖7和圖8所示。

圖6 測(cè)試樣本Fig.6 Test samples

圖7 樣圖1不同超分算法效果對(duì)比Fig.7 Comparison of effects of Sample Figure 1 with different SR algorithms

圖8 樣圖2不同超分算法效果對(duì)比Fig.8 Comparison of effects of Sample Figure 2 with different SR algorithms

分別計(jì)算經(jīng)過(guò)超分算法處理過(guò)后的圖像和原始HR 圖像之間的PSNR 和SSIM 值，將得到的結(jié)果整理如表2所示。

表2 各方案PSNR/SSIM 處理結(jié)果對(duì)比表Table 2 Comparison of PSNR/SSIM values in different methods

從圖7和圖8可以直觀地看出使用本文方法得到的超分辨率圖像視覺效果最好，目標(biāo)的邊緣細(xì)節(jié)更加清晰，目標(biāo)特征得到了突出體現(xiàn)。從表2中計(jì)算得到的PSNR 和SSIM 數(shù)據(jù)也可以看出，本文方法的 PSNR 和 SSIM 要明顯優(yōu)于插值算法和SRGAN。

結(jié)合圖7、圖8和表2可驗(yàn)證本文所述方法可以在一定程度上解決側(cè)掃聲吶圖像中目標(biāo)模糊的問(wèn)題，在有效地保留原始圖像中原有特征的同時(shí)，還可提升圖像中小目標(biāo)的邊緣細(xì)節(jié)及小目標(biāo)本身的清晰度，為后續(xù)目標(biāo)精準(zhǔn)識(shí)別等過(guò)程提供了實(shí)現(xiàn)基礎(chǔ)。

3 結(jié)束語(yǔ)

本文提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的側(cè)掃聲吶圖像超分辨率處理方法。實(shí)測(cè)數(shù)據(jù)處理表明：該方法可有效解決側(cè)掃聲吶圖像分辨率低、小目標(biāo)細(xì)節(jié)模糊、邊緣不清晰等問(wèn)題。通過(guò)與傳統(tǒng)的插值算法和SRGAN 做效果對(duì)比，可以看出本文所述方法可有效避免插值算法帶來(lái)的圖像整體平滑的缺點(diǎn)，且相較于SRGAN 而言，該方法圖中目標(biāo)的細(xì)節(jié)更清晰、邊緣更加突出，為后續(xù)的側(cè)掃聲吶圖像的目標(biāo)檢測(cè)與識(shí)別打下了良好的基礎(chǔ)。對(duì)檢測(cè)與識(shí)別網(wǎng)絡(luò)而言，如果待檢測(cè)圖像中小目標(biāo)的特征更明顯，邊緣更鮮明，檢測(cè)出目標(biāo)的概率和識(shí)別目標(biāo)種類的準(zhǔn)確率也會(huì)更高。