科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有残差网络存在残差特征利用不充分、细节丢失的问题，提出一种结合两层残差聚合结构和感受野扩展双注意力机制的深度神经网络模型，用于单幅图像超分辨率重建。该模型通过跳跃连接形成两层嵌套的残差聚合网络结构，对网络各层提取的大量残差信息进行分层聚集和特征融合，能减少包含图像细节的残差信息的丢失。同时，设计一种多尺度感受野扩展模块，能捕获更大范围、不同尺度的上下文相关信息，促进深层残差特征的有效提取；并引入空间-通道双注意力机制，增强残差网络的判别性学习能力，提高重建图像质量。在数据集Set5、Set14、BSD100和Urban100上进行放大2倍、3倍和4倍的重建测试实验，并从客观指标和主观视觉效果上将所提方法与主流方法进行比较。客观评价结果表明，在全部4个测试数据集上所提方法均优于对比方法，其中，相较于双三次插值法和SRCNN方法，在放大2倍、3倍、4倍时平均PSNR值分别提升4.31 dB和1.91 dB、3.48 dB和1.7 dB、3.08 dB和1.61 dB。视觉效果对比显示，所提方法恢复的图像细节纹理更清晰。
- 单位
