一种轻量级的多尺度通道注意图像超分辨率重建网络

作     者：周登文 李文斌 李金新 黄志勇 ZHOU Deng-wen;LI Wen-bin;LI Jin-xin;HUANG Zhi-yong

作者机构：华北电力大学控制与计算机工程学院北京102206 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2022年第50卷第10期

页      码：2336-2346页

摘      要：近年来,基于深度卷积神经网络的图像超分辨率技术取得了突出进展,并主导了当前的超分辨率技术的研究.但是,性能的改进,往往以参数量的急剧增加为代价,这限制了超分辨率方法的实际应用.本文设计了一个轻量级单图像超分辨率深度卷积网络,主要贡献包括:提出了一个多尺度的特征融合模块,使用不同感受野的卷积核,提取多种尺度的特征;提出了一个通道搅乱注意力模块,促进特征通道之间的信息流动,并增强特征选择能力;提出了一个全局特征融合连接模块,提高浅层特征的利用率.实验证明,本文方法与当前代表性的方法MSRN(Multi-Scale Residual Network)相比,参数量减少了3/4,重建的高分辨率图像的主观和客观质量均显著更好.

主 题 词：超分辨率 深度学习 卷积神经网络 注意力机制 多尺度特征 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12263/DZXB.20201089

馆 藏 号：203114448...