计算机辅助设计与图形学学报

作者：高丹丹, 周登文, 王婉君, 马钰, 李珊珊

关键词：卷积神经网络, 图像超分辨率, 频率分组, 注意力机制, 特征融合

深度卷积神经网络规模越大（更深和更宽），性能越好，对计算和存储能力的要求也越高，限制了其在资源受限设备上的应用，迫切需要轻量级（参数量较小）超分辨率网络.为此，提出一个特征频率分组融合的轻量级图像超分辨率网络模型.首先使用残差拼接块传递和融合局部特征；然后通过混合注意力块组合不同线索的特征，提高特征的表达能力；最后利用高频和低频特征分组融合块，融合高频和低频特征信息，提高超分辨率图像的恢复质量.在Pytorch环境下，利用DIV2K数据集对网络模型进行训练，使用Set5，Set14，B100，Urban100和Manga109数据集进行实验的结果表明，无论是主观视觉质量还是客观度量，所提网络模型在PSNR，SSIM和LPIPS方面均显著优于对比网络模型.

来源：2023年第7期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2023年第7期