FOAnet:面向图像特征退化自适应调整的盲超分辨率算法

作     者：冯浩 张瑞欣 高磊怡 程倚宁 贾凡 邓红霞 

作者机构：太原理工大学计算机科学与技术学院 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：山西省中央引导地方科技发展资金项目(YDZJSX2022A016)资助 山西省重点研发计划项目(2022ZDYF128)资助 

主　　题：图像超分辨率 盲超分辨率 残差学习 跳跃连接 自注意力 

摘      要：针对经典的盲超分辨率方法存在模糊核估计精度有限且难以有效使用预测的模糊核实现超分辨率重建的问题，提出了一种面向图像特征退化自适应调整的盲超分辨率算法。首先，在核估计子网络主干编码器和解码器中引入残差和跳跃连接，融合不同层次和通道数的图像特征，以提高核估计的性能和精度。另外将当前层次的图像特征与模糊核做自注意力查询即面向图像特征自适应调整退化并将其映射到潜在的特征核空间和通道系数，以灵活处理模糊核与图像之间的特征差异。基于Gaussian8和4个开源数据集，与7种代表性算法比较，结果显示在合成数据4倍因子场景下该算法领先所有模型。同时，该方法在未知退化的真实世界图像上也表现出了良好的泛化能力。