基于退化感知的盲图像超分辨率网络

摘要

近年来，基于深度学习的超分辨率取得了显著进展，该类方法性能依赖于精准的训练数据对.现有方法大多采用双三次下采样获得低分辨率图像用于训练，即仅基于由固定且已知的退化方法产生的低分辨率图像展开.然而，该类方法在处理具有复杂且未知退化的图像时，超分辨率性能急剧下降.因此，部分研究针对具备复杂未知退化的图像盲超分辨率问题展开探索，并通过退化估计得到的先验信息进行超分辨率，但是这些方法缺乏对于退化特异性先验信息的利用.针对此问题，本文提出退化感知的盲图像超分辨率网络.首先，基于对比学习方法，设计了与图像内容解耦的退化表征学习模块，用以学习退化未知的图像的退化表征.通过针对内容与退化差异构建不同类型的负样本，该模块提高了对于退化特异性信息的表征能力.然后，在退化调制的多头自注意力模块基础上，提出了退化类别约束的多头自注意力模块，以利用得到的退化表征指导后续的超分辨率重建过程.所提退化表征加强了特征提取过程中对结构和高频信息的捕捉能力，使得网络进一步根据图像退化信息自适应地进行重建.实验结果表明，相较于其他先进的图像超分辨率方法，该网络在具有不同退化的测试图像上均获得了更优越的超分辨率重建性能.

关键词

盲超分辨率 / 退化估计 / 多头自注意力