基于小波的频域感知与增强的WE-GPMConv-StyleGAN轻量化图像生成方法

本发明属于计算机视觉领域，涉及生成对抗网络(GAN)的高效图像合成技术。针对现有生成方法在高分辨率图像合成中高频细节不足、几何等变性受限及计算效率低的问题，提出基于小波驱动的频域感知生成方法WE‑GPMConv‑StyleGAN。该模型在StyleGAN3架构中嵌入离散小波变换，将传统卷积操作分解为小波域特征提取与跨频带融合两阶段过程，通过分组可分离卷积降低计算复杂度；设计低频增强模块扩展全局结构建模能力，利用二级小波分解扩大感受野；引入高频增强模块通过残差结构与跨通道交互强化纹理细节；结合分阶段训练策略，前期优先优化低频全局特征，后期联合高频模块细化局部细节。本发明通过小波域多频带解耦与融合机制，显著提升高频生成质量与几何等变性，为高分辨率图像生成提供兼顾效率与精度的频域驱动解决方案。