关键词：生成式对抗网络 深度学习 生成模型 图像增强 

摘要：近年来,生成式对抗网络(GAN)为图像增强提供了新的技术和手段,具有比传统深度学习更强大的特征学习和表达能力,在图像增强领域取得了显著成功。文章首先介绍了GAN模型的基本思想和原理,分析了GAN各个变体改进的方式及优缺点;其次从图像质量提高、图像生成、图像补全和其他图像处理的应用等方面分析了GAN应用于图像增强的研究现状;最后归纳总结了GAN模型与其在图像增强中面临的问题,并对问题的解决方案及未来应用进行了总结展望。

信息网络安全杂志要求:

{1}文内有关特定内容的注释以尾注形式写明，序号用带圆圈的阿拉伯数字表示。

{2}编辑委员会对来稿可提出修改意见，但除了技术性的处理之外，不代为作者修改，文责自负。

{3}题名。题名一般不宜超过20个汉字，应紧扣文章主题，用语用词严谨规范且利于网络检索。不得使用非公知公用、同行不熟悉的外来语、缩写词、符号和代号。

{4}作者简介在50字以内，如果作者是国际著名科学奖获得者、两院院士、部级名师、长江学者以及中小学、幼儿园特级教师，请注明。

{5}论文所涉及的课题若取得国家或部、省级、校级以上基金资助或属攻关项目，请务必注明基金编号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社