一种融合多尺度特征的改进RDN图像超分辨率重建网络

作者：朱磊; 李志蒙; 朱奇伟; 樊雯雪; 冯达

来源：西安工程大学学报, 2022, 36(05): 61-69.

DOI：10.13338/j.issn.1674-649x.2022.05.009

• 图像超分辨率
• 多尺度特征学习
• 特征融合
• RDN网络

针对常见单帧图像超分辨率(single image super-resolution, SISR)重建网络存在的图像特征利用不充分问题，提出了一种融合多尺度特征的改进RDN图像超分辨率重建网络(multi-scale residual dense network, MSRDN)。提取输入低分辨率图像的浅层特征；利用卷积层和局部残差学习结构联合构建特征提取模块，并通过不同尺度的该模块多路组合结构，充分提取图像的多尺度细节特征；构建了自顶向下与自底向上相结合的特征融合模块，充分融合与关联采集的多尺度特征，以构造具有更丰富细节信息的图像特征；将提取到的多尺度特征送入图像重建模块以获得超分辨率重建图像。实验结果表明：与SMSR等网络相比，提出的MSRDN网络在Set5、Set14及BSD100等3个超分辨率基准测试集上展现出更好的视觉效果，且获得的峰值信噪比(peak signal to noise ratio, PSNR)平均提升0.8 dB,结构相似度(structural similarity, SSIM)平均提升0.02。

• 单位
  西安工程大学