基于多级注意力密集残差网络的单幅图像超分辨率重建

原铭; 李凡; 李华锋; 张亚飞

doi:10.13741/j.cnki.11-1879/o4.2022.03.008

您当前的位置：

首页 >

文章列表页 >

基于多级注意力密集残差网络的单幅图像超分辨率重建

光学图像处理与识别 | 更新时间：2025-09-01

- 基于多级注意力密集残差网络的单幅图像超分辨率重建
- Super-resolution reconstruction of single image based on multilevel attention dense residual network
- 光学技术 2022年48卷第3期页码：357-363
- 作者机构：
  
  1:昆明理工大学信息与自动化学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目项目(62161015);云南省科技厅科技计划项目-基础研究专项(202101AT070136);云南省重大科技专项(202002AD080001)
- DOI：10.13741/j.cnki.11-1879/o4.2022.03.008
  中图分类号： TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
原铭, 李凡, 李华锋, 等. 基于多级注意力密集残差网络的单幅图像超分辨率重建[J]. 光学技术, 2022,48(3):357-363.

Super-resolution reconstruction of single image based on multilevel attention dense residual network[J]. 2022, 48(3): 357-363.
原铭, 李凡, 李华锋, 等. 基于多级注意力密集残差网络的单幅图像超分辨率重建[J]. 光学技术, 2022,48(3):357-363. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.008.

Super-resolution reconstruction of single image based on multilevel attention dense residual network[J]. 2022, 48(3): 357-363. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.008.

摘要

针对目前图像超分辨率重建方法中未能充分利用图像全局信息和局部信息，导致重构结果缺失源图像部分关键信息的问题，提出了一种多尺度密集残差网络来实现图像的超分辨率重建。网络以密集残差为基础，融合了图像的多尺度特征信息，保证了网络在深度上不损失特征信息的同时，获得更多不同感受野下的特征信息，避免源图像关键信息的过度丢失。此外，为从具有低频冗余信息的低分辨率图像中恢复包含足够高频信息的高分辨率图像，网络还结合空间注意力与通道注意力机制，以不平等的方式处理不同尺度下的低分辨率特征。通过与密集残差网络等超分辨率方法在Set5数据集上的对比实验，可有效突出特征图中的高频分量，使网络更好地学习并拟合标签图像的特征信息，提升图像超分辨率重建性能。

Abstract

关键词

Keywords

references

浏览量

305

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

结合单目视觉成像和深度测量的行为检测研究

基于重引力搜索和深度学习的图像表情识别研究

基于移动分割与轻量化分类网络的红外目标实时识别方法

基于深度神经网络的光纤通信高阶色散预测

基于深度神经网络的镜片佩戴舒适度研究