基于多层次特征增强的图像压缩感知重构算法

来源：计算机应用研究杂志2026年第4期北京时间：

作者：刘玉红,李丹,

单位：兰州交通大学电子与信息工程学院,兰州730070；

摘要：传统图像压缩感知重构算法受限于局部细节建模。全局自注意力的Transformer可以捕获全局特征，但计算复杂度较高。窗口自注意力机制可以降低复杂度，但低效的跨窗口交互又限制了对长距离依赖关系的建模。因此提出了一种多层次特征增强网络（MFENet）。采样阶段，通过学习采样矩阵获取更多有效的测量值。重构阶段，设计动态偏移自注意力机制，自适应调整注意力头采样位置，增强窗口间的信息交互，从而提升Transformer全局特征建模能力；同时结合CNN局部特征提取优势，构建双分支架构优化多层次特征。此外，通过采样与重构的联合优化实现端到端的模型训练。实验结果表明，在Set11测试集上，采样率为10%时，峰值信噪比和结构相似性较CSformer分别提升0.53 dB和0.005 1；所有采样率条件下的平均重构时间减少了2.897 8 s，证明了该算法的有效性。

关键词：图像压缩感知,动态偏移自注意力,多层次特征增强,双分支架构,

基金资助：国家自然科学基金资助项目(62161016,61661025)；；