基于注意力与迭代反馈融合的图像超分辨率技术

来源：计算机应用与软件杂志2025年第5期北京时间：

作者：朱鉴, 蔡金峰, 陈炳丰, 迟小羽, 蔡瑞初

摘要：现有基于深度学习的图像超分辨率网络往往会导致冗余的计算和庞大的参数量，以及超分结果高级纹理特征的缺失。针对以上问题，提出基于注意力与迭代反馈融合的图像超分辨率网络，该模型采用迭代上下采样的超分辨率架构。该网络使用增强注意力反馈模块，通过减少特征通道数和增强注意力机制高效获取图像特征通道相应权重，保证超分质量的同时减少网络的参数量。此外，该网络模型还设计反馈融合网络块，利用高级特征信息与低级特征信息双向的迭代反馈融合，实现信息提取的最大化，生成图像质量也更高。实验结果表明，与当前先进的图像超分辨率网络（SRFBN、SMSR、RFAN）相比，该网络模型在定量指标（PSNR/SSIM）和主观视觉上的效果都存在一定的优势。

关键词：深度学习, 单幅图像超分辨率, 迭代上下采样, 迭代反馈融合, 注意力机制