-
题名结构化混合注意力网络的图像超分辨率重建
- 1
-
-
作者
喻九阳
张德安
戴耀南
胡天豪
夏文凤
-
机构
湖北省绿色化工装备工程技术研究中心
武汉工程大学机电工程学院
-
出处
《计算机科学》
CSCD
北大核心
2023年第S01期352-356,共5页
-
基金
湖北省重点研发计划(2020BAB030)。
-
文摘
针对现有图像超分辨模型存在特征提取能力弱、模型参数量较复杂等问题,提出了一种结构化混合注意力网络的图像超分辨率重建模型,该模型在提高图像超分辨率重建效果的同时降低了模型的参数量。首先,对编码器进行结构化处理,通过通道数量的不同来提取更多的图像特征。其次,对编码器的输出特性进行注意力网络混合重组,从而加强图像的特征特性。最后,采用残差方式将输入的浅层图像特征直接与强化特征相混合,降低网络的参数量。实验结果表明,在公共数据集及不同放大倍率的前提下,文中构建模型的PSNR值和SSIM值基本是最优的,且网络结构的参数量较低,较好地平衡了图像超分辨率重建过程中性能和参数复杂度间的关系。
-
关键词
图像处理
超分辨率
结构化残差
混合注意力
低模型参数
-
Keywords
Image processing
Super-resolution
structured residuals
Fused attention
Low model parameters
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
