基于空频特征调制的轻量级超分辨率网络设计

来源：电子测量技术杂志2025年第24期北京时间：

作者：顾羽舟，李娇，郭爱英，吴昊辰，陆俊宇

单位：1.上海大学机电工程与自动化学院微电子研究与开发中心 上海 200444;2.上海大学微电子学院 上海 201899

摘要：为了克服现有基于自注意力机制的Transformer超分辨率模型在计算复杂度和局部细节捕捉方面的局限性，提出了一种优化的轻量级超分辨率网络结构，旨在协同利用全局、非局部和局部特征来实现更高效的重建。首先，构建了包含动态条带注意力与无偏差动态频域感知的空频特征聚合层用以捕捉全局与非局部特征，确保网络能充分地恢复图像特征。然后，构建了局部细节增强层以对局部上下文编码并进行通道混合，确保图像的细节恢复。最后，由多个空频特征调制块逐级提取特征并进行上采样重建以得到最终的超分辨率图像。本算法在Set14、BSD100、Urban100等5个超分辨率领域的公共数据集上进行了对比分析，其中，在2倍重建任务上，较同为轻量级超分辨率网络的ShuffleMixer相比，在减少了24.2%的FLOPs并使用更小训练集的同时，PSNR与SSIM在Urban100上分别高出了0.54 dB和0.005 5。实验表明，提出的模型在轻量级超分辨率任务中表现优异，并在性能和复杂度之间取得了良好的平衡。

关键词：超分辨率;卷积神经网络;大核注意力;频域学习

基金资助：国家自然科学基金(62404132)项目资助