结合注意力和残差聚合的图像超分辨率算法

姜继升; 徐开雄; 李华锋; 李凡

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

您当前的位置：

首页 >

文章列表页 >

结合注意力和残差聚合的图像超分辨率算法

光学图像处理与识别 | 更新时间：2025-09-01

- 结合注意力和残差聚合的图像超分辨率算法
- Image super-resolution method combining attention and residual aggregation
- 光学技术 2022年48卷第6期页码：731-741
- 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：
  
  国家自然科学基金项目(62161015);云南省科技厅科技计划项目(基础研究专项)(202101AT070136)
- DOI：10.13741/j.cnki.11-1879/o4.2022.06.015
  中图分类号： TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
姜继升, 徐开雄, 李华锋, 等. 结合注意力和残差聚合的图像超分辨率算法[J]. 光学技术, 2022,48(6):731-741.

Image super-resolution method combining attention and residual aggregation[J]. 2022, 48(6): 731-741.
姜继升, 徐开雄, 李华锋, 等. 结合注意力和残差聚合的图像超分辨率算法[J]. 光学技术, 2022,48(6):731-741. DOI： 10.13741/j.cnki.11-1879/o4.2022.06.015.

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

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于注意力卷积神经网络的动态手势识别研究

卷积稀疏表示图像融合与超分辨率联合实现

超分辨率数字全息实验研究

一种高效的人脸三维点云超分辨率融合方法

单帧图像的超分辨率技术进展

结合注意力和残差聚合的图像超分辨率算法

Image super-resolution method combining attention and residual aggregation

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

摘要

Abstract

关键词

Keywords

references