基于跳跃残差连接的轻量级超分辨率重建算法

作者：周杨; 钱育蓉^*; 刘慧; 陈梅

来源：微电子学与计算机, 2022, 39(10): 35-45.

DOI：10.19304/J.ISSN1000-7180.2022.0084

• 图像超分辨率
• 跳跃残差连接
• 注意力机制
• 轻量级
• 深度学习

基于残差模块构成的图像超分辨率重建算法可以增加网络层数、提升网络性能，但是存在网络规模大的问题.为了解决这一问题，以及能够有效提取不同网络层次的特征、有效区分输入图像的低频信息和高频信息，提出了一种基于跳跃残差连接和注意力机制的轻量级双分支超分辨率重建模型.首先利用跳跃残差连接和空间注意力机制共同构成注意力残差分支，其中的跳跃残差连接由卷积层和小型残差结构共同构成；其次，在图像采样分支中直接对图像上采样；最后将两个分支的特征进行融合.将提出的算法在Set5、Set14、BSD100、Urban100和Manga109五个基准数据集上进行测试，实验结果表明，该算法在×2、×3放大因子模型中部分数据集具有更高的峰值信噪比和结构相似性，在×4放大因子模型中所有数据集的评价指标都是最优，同时算法重建的图像具有更多的纹理细节和更少的伪影.与其他轻量级超分辨率重建算法(参数量小于1.5 M)相比，所提出的算法包含更少的参数量和更高的峰值信噪比值.

• 单位
  乌鲁木齐职业大学; 新疆大学