DCINet：动态校准与多维交互的图像超分网络
来源：计算机工程与应用杂志2026年第13期北京时间：
作者：毕航烁, 丁建伟, 马秋平
单位：中国人民公安大学 信息网络安全学院，北京 100038；
摘要：针对图像超分辨率任务中全局依赖建模与局部纹理保真度的协同优化难题，提出了动态特征校准与多维度交互的超分网络（DCINet），该框架通过三重协同机制实现特征协同优化：设计动态压缩激励模块（DYSEB），采用深度可分离卷积与轻量化通道注意力机制，实现空间-通道维度的自适应特征校准；构建了多尺度边缘感知上采样模块，通过梯度方向卷积核与门控残差连接的融合策略，有效增强边缘细节重建能力；引入基于深度可分离卷积的改进型前馈网络（ConvFFN），结合跨层特征重组机制，实现局部上下文建模，提高特征表征能力。在Set5、Set14、BSDS100、Urban100及Manga109基准数据集上的实验表明，该方法在×2、×3、×4多种比例因子的超分任务中，在多项评价指标上显著优于现有主流方案，均取得了最优或者次优的实验结果，同时在视觉对比中高频纹理与结构连续性表现突出，证实了多维度特征交互机制的有效性与鲁棒性，最后进一步通过相关-因果推理分析，验证了模型的可解释性。
关键词：图像超分辨率,动态特征校准,多尺度边缘感知,卷积前馈网络
基金资助：中国人民公安大学安全防范工程双一流专项（2023SYL08）。
