基于多分辨率特征融合的任意尺度图像超分辨率重建

作者：范文卓; 吴涛; 许俊平; 李庆庆; 张建林; 李美惠; 魏宇星

来源：计算机工程, 2022, 1-10.

• 多分辨率特征融合
• 超分辨率重建
• 任意尺度
• 双重注意力
• 特征交互

目前一些基于深度学习的图像超分辨率重建网络仅在固定分辨率上提取特征，导致无法综合高级语义信息；网络参数庞大导致训练困难；只能以特定尺度因子重建图像使得算法泛化能力弱。针对上述问题，本文提出了一种基于多分辨率特征融合的任意尺度图像超分辨率重建网络。在多分辨率特征融合编码阶段，设计了多分辨率特征提取模块用以提取不同分辨率特征；构建了双重注意力模块来增强网络特征提取能力；并通过不同分辨率特征之间的充分交互来获取信息丰富的融合特征图。在图像重建阶段，利用多层感知机对融合特征图进行解码，实现任意尺度的图像超分辨率重建。最后，本文在Set5、Set14、B100、Urban100数据集上进行了测试。在B100数据集上分别以训练时已见尺度因子×2、×3、×4，训练时未见尺度因子×6、×8进行测试，结果分别为38.62dB、34.30dB、33.23dB、33.17dB、28.96dB、26.62dB；本模型的参数量为0.72M，在参数量大幅减少的同时保持重建质量。此外，定量和定性的实验结果表明，本文算法可以实现任意尺度的图像超分辨率重建，并且性能优于目前主流算法。

• 单位
  中国科学院; 中国科学院大学; 中国科学院光电技术研究所