基于自相似特征增强网络结构的图像超分辨率重建

摘要：

深度卷积神经网络最近在图像超分辨率方面展示了高质量的恢复效果.然而,现有的图像超分辨率方法大多只考虑如何充分利用训练集中固有的静态特性,却忽视了低分辨率图像本身的自相似特征.为了解决这些问题,本文设计了一种自相似特征增强的网络结构(SSEN).具体来说,本文将可变形卷积嵌入到金字塔结构中并结合跨层次协同注意力,设计出了一个能够充分挖掘多层次自相似特征的模块,即跨层次特征增强模块.此外,本文还在堆叠的密集残差块中引入池化注意力机制,利用条状池化扩大卷积神经网络的感受野并在深层特征中建立远程依赖关系,从而深层特征中相似度较高的部分能够相互补充.在常用的五个基准测试集上进行了大量实验,结果表明,SSEN比现有的方法在重建效果上具有明显提升.

关键词：超分辨率、自相似性、特征增强、可变形卷积、注意力、条状池化

所属期刊栏目：49

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划2020YFC1512601

在线出版日期：2022-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：36-51