基于全局注意力动态联合增强的图像超分重建

针对注意力机制的移位窗口建立的长程依赖不能使全局信息得到充分交互以及多层级特征如何有效融合问题,提出一种全局动态联合增强注意力算法(global dynamic union enhances attention, GDUEA)。首先,使用叠加卷积聚合模块用于在网络的浅层聚合图像局部低频特征;其次,提出的深层全局注意力算法将注意力机制只用于进行全局信息的获取;最后,使用动态联合增强模块对不同层级的特征进行动态联合均衡以及深层特征增强。通过在Urban100、B100、Set5、Set14测试集上对比SwinIR网络,GDUEA获得了更快更稳定的训练并使得网络的性能在峰值信噪比(peak signal-to-noise ratio, PSNR)上显著提高了0.075~0.32 dB。