多尺度注意力特征融合的单图像超分辨率研究

来源：计算机技术与发展杂志2024年第07期北京时间：

作者：沈学利;翟宇琦;关刘美;苏婷

摘要：高分辨率意味着图像具有高像素密度,可以提供更多的细节,这些细节往往在应用中起到关键作用。 基于生成对抗网络的图像超分辨率由于具有生成丰富细节的潜力,近年来受到越来越多的关注。 针对现有的网络模型忽略从特征中学习本质纹理特征和感受野有限的问题,基于 Real-ESRGAN 和多尺度注意力特征融合,对网络进行优化,将残差稠密块替换成大核分解和多尺度学习相结合模块与全局学习与下采样模块的双分支结构方法,提出一种多尺度注意力融合的单图像超分辨率重建算法,增强每个局部与全局令牌对之间的交互,从而形成更丰富和信息量更大的表示。 对数据集进行2,3,4 倍超分辨率重建实验,通过峰值信噪比(PSNR)、结构相似性(SSIM)对重建结果进行评价,与 SRCNN、SRGAN、ACMF、MSRDN、WYD、LBW、YJX、Real-ESRGAN 等方法进行对比。 结果表明,该算法优于其他模型,且具有更好的直观视觉效果。

关键词：生成对抗网络;图像超分辨率;多尺度注意力特征融合;大核分解;全局学习与下采样;令牌