基于对偶回归和注意力机制的图像超分辨率重建网络
针对单幅图像超分辨率(single image super-resolution,SISR)重建算法存在低分辨率图像(LR)到高分辨率图像(HR)的映射学习具有不适定性,深层神经网络收敛慢且缺乏对高频信息的学习能力以及在深层神经网络传播过程中图像特征信息存在丢失的问题.本文提出了基于对偶回归和残差注意力机制的图像超分辨率重建网络.首先,通过对偶回归约束映射空间.其次,融合通道和空间注意力机制构造了残差注意力模块(RCSAB),加快模型收敛速度的同时,有效增强了对高频信息的学习.最后,融入密集特征融合模块,增强了特征信息流动性.在Set5、Set14、BSD100、Urban100 四种基准数据集上与目前主流的单幅图像超分辨率算法进行对比,实验结果表明该方法无论是在客观质量评价指标还是主观视觉效果均优于对比算法.
单幅图像超分辨率、通道注意力、空间注意力、对偶回归、密集特征融合
32
TP391.41;TN912.34;TP183
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
111-118