基于深度渐进式反投影注意力网络的图像超分辨率重建

摘要：

针对多数单帧图像超分辨率(SISR)方法在重建预测图像时存在高频信息丢失和上采样过程中会引入噪声以及特征图各通道之间的相互依赖关系难以确定等问题,提出了深度渐进式反投影注意力网络.首先使用渐进式上采样方法将低分辨率(LR)图像逐步缩放至给定的倍率,缓解上采样过程中造成的高频信息丢失等问题;然后在渐进式上采样的每个阶段融合迭代反投影思想,学习高分辨率(HR)和LR特征图之间的映射关系并减少上采样过程中引入的噪声;最后使用注意力机制为渐进式反投影网络不同阶段产生的特征图动态分配注意力资源,使网络模型学习到各特征图之间的相互依赖关系.实验结果表明,所提出的方法相比主流的超分辨率方法,峰值信噪比(PSNR)最高可增加3.16 dB,结构相似性最高可提升0.2184.

关键词：超分辨率、渐进式上采样、反投影网络、注意力机制、深度学习

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：西华大学研究生创新基金资助项目ycjj2019095

在线出版日期：2020-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2077-2083