改进可逆缩放网络的图像超分辨率重建

摘要

可逆缩放网络(IRN)的潜变量采用高斯分布嵌入图像高频信息，因其独立随机性无法充分保存图像高频信息，嵌入效果一般，影响重建性能。通过改进可逆缩放网络来提高嵌入高频信息的能力并进一步降低模型的复杂度。首先，特征提取模块采用密集连接结构和通道注意力机制来获取足够的特征信息，同时减少模块参数量；其次，网络的潜变量采用小波域高频子带插值设计，改善高频信息嵌入能力。实验结果显示该算法相比IRN，在Set5、Set14、BSD100和Urban100这4个基准测试集上的PSNR和SSIM分别平均提升了0.380 dB和0.014，参数量减少约1.64×10~6，计算量减少约0.43×10~9，运行时间减少3 ms。表明该算法的重建性能优良，模型复杂度低，具有实用价值。

关键词

小波变换 / 可逆缩放网络 / 超分辨率重建 / 注意力机制

基金资助

国家自然科学基金(61863007); 广西自然科学基金(2020GXNSFDA238029)