计算机科学与人工智能河南科技HenanScienceandTechnology总第799期第5期2023年3月基于多维损失函数优化FSRNet的气象观测图像超分辨率重构算法王瑞祥1，2（1.河南省气象探测数据中心，河南郑州450003；2.中国气象局·河南省农业气象保障与应用技术重点实验室，河南郑州450003）摘要：【目的目的】传统FSRNet生成的超分辨率图像存在伪影、模糊等情况，作为志愿气象观测的试点省份，河南省气象局招募了大批志愿观测站，以期解决部分气象观测图像存在较低的分辨率的问题。【方法方法】首先引入热图损失、目标注意力损失和对抗性损失构成多维损失函数，对FSRNet进行模块优化，使用转置卷积放大低分辨率的图像。其次对模型进行分步训练，先对低分辨率观测图像进行粗略SR网络训练，再使剩余网络融入训练。【结果结果】多维损失训练的引入，降低了算法复杂度，提升了粗略SR网络的性能，解决了SR网络训练时调参困难等相关问题，提高了超分辨率气象观测图像的质量。【结论结论】试验结果证明，本方法在气象领域观测图像的优化相比于其他算法效果更佳，可以生成质量更高、细节更加清晰的目标观测图像。关键词：志愿气象观测；超分辨率；多维损失；先验信息；生成对抗网络中图分类号：TP391.4文献标志码：A文章编号：1003-5168（2023）05-0037-05DOI：10.19968/j.cnki.hnkj.1003-5168.2023.05.007OptimizationofFSRNetSuper-ResolutionReconstructionAlgorithmofMeteorologicalObservationImageBasedonMulti-DimensionalLossFunctionWANGRuixiang1，2（1.MeteorologicalObservationDataCenterofHenanProvince,Zhengzhou450003,China;2.CMA·HenanKeyLaboratoryofAgrometeorologicalSupportandAppliedTechnique,Zhengzhou450003,China）Abstract:[Purposes]Thesuper-resolutionimagesgeneratedbythetraditionalFSRNethaveartifacts,blurring,etc.Asapilotprovinceforvoluntarymeteorologicalobservation,HenanMeteorologicalBureauhasrecruitedalargenumberofvoluntaryobservationstationsinordertosolvetheproblemoflowresolu⁃tionofsomemeteorologicalobservationimages.modelofmeteorologicalobservationimagesiscon⁃structed.[Methods]Firstly,heatmaploss,targetattentionlossandadversariallosswereintroducedtoformamultidimensionallossfunction.ThemoduleofFSRNetwasoptimized,andtransposedconvolutionwasusedtoenlargethelow-resolutionimage.Secon...
