像素补偿的轻量级图像超分辨率重建

作者：王梅; 李云红^*; 李丽敏; 李嘉鹏; 史含驰

来源：西安工业大学学报, 2023, 43(04): 383-392.

DOI：10.16185/j.jxatu.edu.cn.2023.04.402

• 超分辨率重建
• 像素补偿
• 像素坐标注意力
• 轻量级

现有超分辨率网络存在模型参数量较大、未能充分利用分层特征以及上采样像素损失等问题。针对该问题，提出一种基于像素补偿的轻量级图像超分辨率重建网络。设计了一种残差嵌套注意力网络，该网络通过构建像素坐标注意力机制来自适应的调节像素位置感知，减少网络参数量并提升高频信息的重建性能；考虑到不同层次特征所包含信息的差异性，提出了一种多分支融合网络，通过融合不同层次的信息来获得更具有表征意义的特征；利用像素补偿网络对上采样的特征图进行特征补偿，恢复丢失的纹理细节；通过与SRCNN、FSRCNN、VDSR、IMDN、PAN等算法进行对比实验。实验结果表明，在2,3,4倍超分算法中较千万参数量CARN算法PSNR提高了0.38,0.13和0.02 dB,SSIM提高了0.080 8,0.001 2和0.001 7。同时对比相同参数量级VDSR,MemNet, IMDN等算法模型，在不同放大倍数下论文所提出方法也有所提升。

• 单位
  西安工程大学