基于多尺度信息蒸馏的图像超分辨率算法

摘要

针对卷积神经网络复杂的框架和大量的计算导致基于深度学习的图像超分辨率算法在如卫星导航系统等边缘设备上部署难的问题，提出一种新颖的多尺度信息蒸馏网络（MSIDN）重建超分辨率图像。该网络应用多阶段的策略逐步恢复出高质量的超分辨率图像，每一阶段由多尺度信息蒸馏编解码模块（MIDCB）组成。MIDCB在编码阶段对特征通道执行切分编码，能够保留浅层信息并提取有效的高频信号；而解码阶段通过增强高频信号，并使用通道注意力融合切分通道的编解码特征。MSIDN从MIDCB中学习更具辨识力的高频特征表达以及结构内容信息，不仅提高超分辨率网络的重建效果，同时也满足网络结构的轻量化。在4个公开数据集Set5、Set14、BSD100和Urban100上进行4倍放大实验，结果显示，峰值信噪比相比于增强深度残差超分辨率算法分别提升了0.89、0.02、0.01和0.34 dB，重建后图像的内容结构、边缘纹理优于其他主流超分辨率算法，证明MSIDN在单幅图像超分辨率重建中的优越性。

关键词

图像超分辨率 / 卷积神经网络 / 多尺度信息蒸馏 / 通道注意力

基金资助

国家自然科学基金（62001334）; 湖北省科技计划项目（2021BLB172）; 中国交通运输共建共享课题（ZYKC202035）