基于多尺度特征聚合的图像超分辨率重建
Super-resolution reconstruction of images based on multi-scale feature aggregation作者机构:青海师范大学计算机学院西宁810001 藏语智能信息处理及应用国家重点实验室西宁810001
出 版 物:《激光杂志》 (Laser Journal)
年 卷 期:2024年第45卷第4期
页 面:121-127页
学科分类:080901[工学-物理电子学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程]
基 金:国家自然科学基金项目(No.61662062) 青海省自然科学基金面上项目(No.2022-ZJ-929)
主 题:图像超分辨率重建 多尺度特征聚合 生成对抗网络 注意力机制
摘 要:针对图像超分辨率重建过程中,存在提取特征信息单一、图像细节缺失的问题,提出了一种新的生成式对抗网络(DAMFA-GAN),以获得更加逼真和自然的重建图像。在生成器方面,设计融合动态注意力机制的多尺度特征聚合模块(DAMFA)以获取低分辨率图像中每个上采样特征的多尺度高频信息,提高重建图像的质量;在判别器方面,设计ConvTrans Encoder模块以增强特征信息提取能力,提高判别的准确率。在Set5、Set14、BSD100和Urban100数据集上的实验结果表明,DAMFA-GAN在峰值信噪比(PSNR)和结构相似性(SSIM)上较于SRGAN分别平均提高了0.50 dB、0.015 2。同时,超分辨率重建图像的高频细节和视觉效果也得到了明显改善。