典型文献
基于多级注意力密集残差网络的单幅图像超分辨率重建
文献摘要：
针对目前图像超分辨率重建方法中未能充分利用图像全局信息和局部信息,导致重构结果缺失源图像部分关键信息的问题,提出了一种多尺度密集残差网络来实现图像的超分辨率重建.网络以密集残差为基础,融合了图像的多尺度特征信息,保证了网络在深度上不损失特征信息的同时,获得更多不同感受野下的特征信息,避免源图像关键信息的过度丢失.此外,为从具有低频冗余信息的低分辨率图像中恢复包含足够高频信息的高分辨率图像,网络还结合空间注意力与通道注意力机制,以不平等的方式处理不同尺度下的低分辨率特征.通过与密集残差网络等超分辨率方法在Set5数据集上的对比实验,可有效突出特征图中的高频分量,使网络更好地学习并拟合标签图像的特征信息,提升图像超分辨率重建性能.
文献关键词：
深度神经网络;超分辨率图像重建;多尺度密集残差网络;注意力
中图分类号：
作者姓名：
原铭;李凡;李华锋;张亚飞
作者机构：
昆明理工大学信息与自动化学院,云南昆明650504
文献出处：
引用格式：
[1]原铭;李凡;李华锋;张亚飞-.基于多级注意力密集残差网络的单幅图像超分辨率重建)[J].光学技术,2022(03):357-363
A类：
多尺度密集残差网络
B类：
多级注意,单幅图像超分辨率,图像超分辨率重建,重建方法,全局信息,局部信息,关键信息,多尺度特征,特征信息,感受野,冗余信息,低分辨率图像,频信,高分辨率图像,空间注意力,通道注意力机制,不平等,不同尺度,Set5,突出特征,特征图,高频分量,地学,深度神经网络,超分辨率图像重建
AB值：
0.210996
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
