一种轻量级的多尺度通道注意图像超分辨率重建网络

近年来,基于深度卷积神经网络的图像超分辨率技术取得了突出进展,并主导了当前的超分辨率技术的研究.但是,性能的改进,往往以参数量的急剧增加为代价,这限制了超分辨率方法的实际应用.本文设计了一个轻量级单图像超分辨率深度卷积网络,主要贡献包括:提出了一个多尺度的特征融合模块,使用不同感受野的卷积核,提取多种尺度的特征;提出了一个通道搅乱注意力模块,促进特征通道之间的信息流动,并增强特征选择能力;提出了一个全局特征融合连接模块,提高浅层特征的利用率.实验证明,本文方法与当前代表性的方法MSRN(Multi-Scale Residual Network)相比,参数量减少了3/4,重建的高分辨率图像的主观和客观质量均显著更好.