多尺度自适应上采样的图像超分辨率重建算法

摘要：

针对现有基于卷积神经网络的图像超分辨率重建网络中存在的训练难以收敛、无法适配多个放大系数和无法进行非整数放大系数上采样的问题,提出了一种基于多尺度和分而治之思想的自适应上采样图像超分辨率重建算法.该算法通过改进后的多尺度通道注意力特征提取模块对低分辨率图像进行多尺度特征提取以生成不同尺度下的特征图,再将其输入瓶颈层实现全局特征融合,使用基于分而治之的自适应上采样模块获得超分辨率图像,从而解决了不同放大系数的适配问题和非整数放大系数的上采样问题.在对比实验中,该算法在不使用任何初始化方法时仍然具有良好的收敛性.在整数放大系数下,该算法的图像重建性能超过当前主流的超分辨率网络,PSNR和SSIM性能相比MRFN分别提升了0.34 dB和0.0391.在非整数放大系数下,其PSNR性能相比双三次插值方法平均提升1.24 dB,且不需要对每一个放大系数都进行训练.

关键词：图像处理、超分辨率重建、卷积神经网络、多尺度特征提取、分而治之

所属期刊栏目：17

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;重庆市高校创新研究群体资助项目;重庆市教育委员会科研项目;重庆市科技局技术预见与制度创新项目

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：879-891