SR-FDN：面向图像细节恢复的频域扩散超分辨率重建网络

来源：电子与信息学报杂志2025年第10期北京时间：

作者：李秀梅, 丁林琳, 孙军梅, 白煌

单位：杭州师范大学信息科学与技术学院 杭州 311121

摘要：现有的一些利用频域信息的图像超分辨率重建方法在处理高频细节时仍存在一定的改进空间，在某些场景下难以避免模糊或失真的现象。为了解决这一问题，该文提出一种基于频域扩散模型的超分辨率重建网络SR-FDN。具体来说，SR-FDN引入双分支频域注意力机制，在频域与空间域进行特征融合，能够有效地捕捉频域特征并恢复高频信息，进一步提升细节恢复效果。SR-FDN还使用了小波下采样代替传统U-Net噪声预测器中的卷积下采样，在降低图像尺寸的同时保留更多的细节信息。此外，SR-FDN通过频域损失函数的约束和条件图像的引导，使得生成的高分辨率图像在细节和纹理方面具有更高的精确度。在多个基准数据集上的实验表明，所提的SR-FDN可以重建出质量更好、细节更丰富的图像，并且在定性和定量比较中均有明显优势。

关键词：深度学习, 单图像超分重建, 扩散模型, 频域变换

基金资助：中国-克罗地亚科技合作交流项目(本基金无项目编号)