基于渐进式感受野的轻量级图像超分辨率重建方法

作     者：程德强 程志威 马祥 李龙 寇旗旗 江鹤 

作者机构：中国矿业大学信息与控制工程学院 中国矿业大学计算机科学与技术学院 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2024年

核心收录：

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：国家自然科学基金项目(52204177,52304182) 徐州市推动科技创新专项资金项目(KC23401) 成都大学模式识别与智能信息处理四川省高校重点实验室开放基金(MSSB-2024-04) 

主　　题：轻量级 超分辨率重建 渐进式感受野 阶梯式卷积链 潜在特征 特征融合 

摘      要：传统轻量级图像超分辨重建方法通常依赖单一尺度的卷积来提取图像特征,简单地将浅层和深层特征聚合后进行图像重建.然而,这种做法忽略了感受野信息的丰富性以及中间潜在特征在图像重建过程中的重要作用,导致卷积层间的信息交互受限,进而造成图像细节信息丢失和重建精度不高的问题.鉴于此,本文提出了一种基于渐进式感受野的轻量级图像超分辨重建方法.该方法的核心在于设计了一种双路阶梯式卷积链,通过逐步调整感受野的大小,有效地融合了图像的整体结构信息和局部细节特征,从而实现了信息的多样化表达.此外,还探索了一种多维潜在特征的融合方法,旨在充分挖掘多维潜在特征间的相关性.实验结果表明,与目前流行的重建方法相比,本文提出的方法在捕捉图像细节方面表现出色.