基于多频特征和纹理增强的轻量化图像超分辨率重建

来源：计算机应用研究杂志2024年第8期北京时间：

作者：刘媛媛,张雨欣,王晓燕,朱路,

单位：华东交通大学信息工程学院,南昌330013；

摘要：现有基于卷积神经网络主要关注图像重构的精度，忽略了过度参数化、特征提取不充分以及计算资源浪费等问题。针对上述问题，提出了一种轻量级多频率特征提取网络（MFEN），设计了轻量化晶格信息交互结构，利用通道分割和多模式卷积组合减少参数量；通过分离图像的低频、中频以及高频率信息后进行特征异构提取，提高网络的表达能力和特征区分性，使其更注重纹理细节特征的复原，并合理分配计算资源。此外，在网络内部融合局部二值模式（LBP）算法用于增强网络对纹理感知的敏感度，旨在进一步提高网络对细节的提取能力。经验证，该方法在复杂度和性能之间取得了良好的权衡，即实现轻量有效提取图像特征的同时重建出高分辨率图像。在Set5数据集上的2倍放大实验结果最终表明，相比较于基于卷积神经网络的图像超分辨率经典算法（SRCNN）和较新算法（MADNet），所提方法的峰值信噪比（PSNR）分别提升了1.31 dB和0.12 dB，参数量相比MADNet减少了55%。

关键词：图像超分辨率重建,卷积神经网络,轻量化,多频率特征提取,局部二值模式算法,

基金资助：国家自然科学基金资助项目(61967007,61963016)；江西省重点研发计划重点资助项目(20201BBF61012)；；