Image super-resolution method combining attention and residual aggregation

doi:10.13741/j.cnki.11-1879/o4.2022.06.015

您当前的位置：

首页 >

文章列表页 >

Image super-resolution method combining attention and residual aggregation

更新时间：2025-09-01

- Image super-resolution method combining attention and residual aggregation
- Vol. 48, Issue 6, Pages: 731-741(2022)
- 作者机构：
  
  1. 1:昆明理工大学信息工程与自动化学院
  2. 2:云南省人工智能重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2022.06.015
  CLC： TP391.41
- Published：2022
- 稿件说明：
移动端阅览
Image super-resolution method combining attention and residual aggregation[J]. 2022, 48(6): 731-741.
DOI：

Image super-resolution method combining attention and residual aggregation[J]. 2022, 48(6): 731-741. DOI： 10.13741/j.cnki.11-1879/o4.2022.06.015.

摘要

为解决残差块间的层级特征利用不充分导致生成的图像结构扭曲、视觉模糊等问题，提出结合注意力和残差聚合的图像超分辨率重建算法。网络通过浅层特征聚合模块获取多尺度的特征并输入到残差聚合网络，采用渐进式融合策略从局部和全局两方面对各个残差块的特征进行聚合，以达到充分利用残差块层级特征的目的。为进一步增强特征表示，利用双重注意力机制分别从空间和通道来关注特征之间的相互依赖性。实验结果表明，与SRCNN、FSRCNN等方法相比，算法重建的图像结构清晰且细节信息丰富。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Study on dynamic gesture recognition based on attention mechanism convolutional neural network

Joint implementation of image fusion and super-resolution based on convolutional sparse representation

Experimental research on super-resolution digital holography

An efficient method of face super-resolution fusion using 3D cloud points

Advances in single frame super resolution techniques

Related Author

施丽红

张亚飞

谢明鸿

杨默远

赵亮

吴学成

吴凯

杜炜

Related Institution

1:江苏商贸职业学院电商与物流学院

1:浙江大学热能工程研究所

1:安徽中医药大学医药信息工程学院

1:东南大学信息科学与工程学院

2:深圳大学光电子研究所

⁰