基于多分辨率特征融合的任意尺度图像超分辨率重建

摘要：

传统深度学习的图像超分辨率重建网络仅在固定分辨率上提取特征,存在无法综合高级语义信息、只能以特定尺度因子重建图像、泛化能力较弱、网络参数量较大等问题.提出一种基于多分辨率特征融合的任意尺度图像超分辨率重建算法MFSR.在多分辨率特征融合编码阶段设计多分辨率特征提取模块以提取不同分辨率特征,通过构建双重注意力模块增强网络特征提取能力,使不同分辨率特征之间进行充分交互,以获取信息丰富的融合特征图.在图像重建阶段利用多层感知机对融合特征图进行解码,实现任意尺度的图像超分辨率重建.实验结果表明,在Set5数据集上分别以尺度因子 2、3、4、6、8进行测试,所提算法的峰值信噪比分别为 38.62、34.70、32.41、28.96、26.62 dB,模型参数量为0.72×106,在大幅减少参数量的同时能保持重建质量,可以实现任意尺度的图像超分辨率重建,性能优于SRCNN、VDSR、EDSR等主流算法.

关键词：多分辨率特征融合、超分辨率重建、任意尺度、双重注意力、特征交互

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金62101529

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：217-225