摘要
针对现有的图像超分辨率算法存在细节信息恢复能力较弱、特征复用不合理的问题,提出一种结合信息蒸馏及双链路上采样的超分辨率重建算法.首先,通过多尺度信息蒸馏模块对特征进行多维度提取,使获取的特征信息更全面,增强网络的表征能力;其次,蒸馏机制将多尺度特征进行选择性提炼,并将蒸馏出的部分特征利用层次注意力机制进行全局复用,不仅降低了网络参数,还能获取更丰富的上下文信息;最后,对不同路径下获取的特征分别上采样,将局部和全局特征相结合,提高对细节信息恢复的能力.实验结果表明,所提算法重建出的图像质量更佳,在4倍放大系数下的平均峰值信噪比值比特征蒸馏交互加权网络(FDIWN)提升了0.35 dB,模型参数量相对于级联残差网络(CARN)降低了55%,其性能超过了当前主流轻量级算法.
-
单位昆明理工大学; 自动化学院