基于浅层特征调制的轻量级单幅图像超分辨率重建

浅层特征在超分辨率重建网络中扮演关键角色,其中蕴含丰富的图像细节,对准确估计深层特征具有明显参考价值.然而,研究者常常忽视浅层特征,过度依赖深层模块堆叠和拓扑结构优化,进而造成信息冗余.为此,提出一种轻量级超分辨率重建网络,旨在探索浅层特征与深层特征的映射机制,以提升重建质量.首先,通过利用浅层特征生成特征掩码,引导深层特征的生成过程;其次,采用基于注意力机制的特征选择模块,动态生成特征权重信息;最后,设计双分支特征增强学习模块,平衡输出特征权重并增强特征融合能力,进一步提升重建性能.实验结果表明,所提出的算法在国际通用数据集上显著提升了峰值信噪比和结构相似度指标,同时具有较小的模型参数量和卓越的视觉表现.这些结果验证了所提出的轻量级超分辨率重建网络的有效性和优越性.