一种基于预测核逐像素重建的图像超分辨率算法

在近年来,随着深度学习和卷积神经网络的发展,基于深度学习的单张图像超分辨率方法与传统方法相比取得了更好的性能。然而,这些基于深度学习的单张图像超分辨率算法研究方法都是在DIV2K等基于实验合成获得的低分辨率图像数据集上进行重建的,对于从真实世界中获取的低分辨率图像的超分重建性能表现较差。真实世界图像的超分辨率是近年来的一个新挑战。针对真实场景下获取的低分辨率图像,本文提出了一种基于预测核逐像素重建的图像超分辨率算法。本文选择编码-解码结构作为主干基础网络结构。对于每个编码和解码模块,我们将特征通道注意和空间注意结合在一起,以增强对图像内容信息和空间信息的特征表达。本文主要思路是,对于低分辨率图像上的每一个像素点预测出其具有空间位置信息的重建核,每一个预测核直接对低分辨率图像进行超分辨率重建。实验表明,在Real-World数据集上,本文算法在客观质量和视觉效果质量方面表现都优于其他方法。