特征频率分组融合的轻量级图像超分辨率重建

作     者：高丹丹 周登文 王婉君 马钰 李珊珊 Gao Dandan;Zhou Dengwen;Wang Wanjun;Ma Yu;Li Shanshan

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：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2023年第35卷第7期

页      码：1020-1031页

摘      要：深度卷积神经网络规模越大(更深和更宽),性能越好,对计算和存储能力的要求也越高,限制了其在资源受限设备上的应用,迫切需要轻量级(参数量较小)超分辨率网络.为此,提出一个特征频率分组融合的轻量级图像超分辨率网络模型.首先使用残差拼接块传递和融合局部特征;然后通过混合注意力块组合不同线索的特征,提高特征的表达能力;最后利用高频和低频特征分组融合块,融合高频和低频特征信息,提高超分辨率图像的恢复质量.在Pytorch环境下,利用DIV2K数据集对网络模型进行训练,使用Set5,Set14,B100,Urban100和Manga109数据集进行实验的结果表明,无论是主观视觉质量还是客观度量,所提网络模型在PSNR,SSIM和LPIPS方面均显著优于对比网络模型.

主 题 词：卷积神经网络 图像超分辨率 频率分组 注意力机制 特征融合 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2023.19524

馆 藏 号：203123908...