基于双分支融合网络的图像超分辨率重建与增强

摘要

超分辨率重建|卷积|双分支|特征融合|稠密残差

关键词

针对现有的图像超分算法难以从模糊的低分辨率图像中重建清晰的高分辨率图像的问题，提出了双分支融合网络，通过双分支结构来联合处理图像去模糊增强、图像超分任务。网络整体分为特征提取、特征融合、重建3个阶段。在特征提取阶段，通过以ResNet为基本模式所构建的轻量化残差组、增强稠密残差块来强化对去模糊局部特征、多尺度高频特征的提取 / 同时为了提升关键区域的特征表达，引入监督注意力模块将提取到的特征进行校准与细化。在特征融合阶段，以像素相乘、通道相加的方式进行融合。在重建阶段，通过多个卷积操作提升空间分辨率。试验结果表明，对于4倍重建任务，输出图像的峰值信噪比(PSNR)在LR-GOPRO、Set5数据集上比GFN网络分别提高了1.34、1.36 dB,且模型的参数减少约50%。