文档名：基于层次交互动态注意力与序列学习的图像超分辨率重建
摘要：针对图像超分辨率中网络关注度不足、模块间协同性弱和深层特征表征消失等问题,提出了一种结合层次交互动态注意力与序列学习单元的多级残差聚合超分辨率重建模型.模型采用多层次特征融合与跳跃连接的网络结构,结合不同层次的特征,捕获从低到高的不同级别的信息,生成更丰富和准确的表征.模块里通过残差连接避免梯度消失,实现深度网络的平滑损失空间和灵活增加.提出动态层次融合注意力模块动态计算各个特征的重要性权重,进行有选择性的特征融合,并通过序列学习单元捕获更长范围的上下文信息.提出多尺度特征融合模块将不同感受野的特征信息提取融合,以挖掘更深层的特征表示.模块尾部引入轻量化无参注意力机制自适应加权特征图,恢复图像高频细节.实验结果表明,相较于主流算法,提出的算法在各种公开测试集(Set5、Set14、BSD100、Urban100、Manga109)上进行3倍超分辨率重建评估,平均峰值信噪比提升约0.47dB,平均结构相似性提升约0.0068.且在遥感图像超分辨率重建方面展示出实际应用潜力.证明其在图像超分辨率重建方面的优越性.
Abstract：Toaddressissueslikeinsufficientnetworkfocus,weaksynergybetweenmodules,andlossofdeepfeaturerepresentationsinimagesuper-resolution,amulti-levelresidualaggregationsuper-resolutionreconstructionmodelispresented.Thismodelintegrateshierarchicalinteractivedynamicattentionwithsequencelearningunits,featuringanetworkstructurewithmulti-levelfeaturefusionandskipconnectionsforcapturingdiverseinformationlevelsmorerichlyandaccurately.Residualconnectionspreventgradientvanishing,ensuringsmooth,flexibleenhancementsindeepnetworks.Thedynamichierarchicalfusionattentionmoduledynamicallyassignsimportanceweightstoeachfeatureforselectivefusion,complementedbysequencelearningunitsthatbroadenthecontextualscope.Amulti-scalefeaturefusionmodulecombinesfeaturesfromdifferentreceptivefieldstoexploredeeperrepresentations.Attheend,alightweight,parameter-freeattentionmechanismadaptivelyweightsfeaturemaps,restoringhigh-frequencydetails.Experimentalresultsdemonstratethatthismodelsurpassesmainstreamalgorithmsin3xsuper-resolutionreconstructionacrossmultiplepublicdatasets(Set5,Set14,BSD100,Urban100,Manga109),withaverageimprovementsofabout0.47dBinPSNRand0.0068inSSIM,showcasingitspotentialforpracticalremotesensingapplicationsanditssuperiorityinthedomain.
作者：莫恒辉 魏霖静Author：MoHenghui WeiLinjing
作者单位：甘肃农业大学信息科学技术学院兰州730070
刊名：国外电子测量技术 ISTIC
Journal：ForeignElectronicMeasurementTechnology
年，卷(期)：2024, 43(6)
分类号：TP391.4
关键词：图像超分辨率 注意力机制 序列学习 多级残差聚合网络 峰值信噪比
Keywords：super-resolution attentionmechanism sequencelearning multi-levelresidualaggregationnetwork PSNR
机标分类号：TP391TP751F592.7
在线出版日期：2024年7月12日
基金项目：科技部国家外专项目，甘肃省高等学校产业支撑项目，甘肃省重点研发计划，兰州市人才创新创业项目，甘肃农业大学研究生教育研究项目，甘肃农业大学校级三全育人试点推广教学研究项目，甘肃农业大学校级专业综合改革项目基于层次交互动态注意力与序列学习的图像超分辨率重建[
期刊论文] 国外电子测量技术--2024, 43(6)莫恒辉 魏霖静针对图像超分辨率中网络关注度不足、模块间协同性弱和深层特征表征消失等问题,提出了一种结合层次交互动态注意力与序列学习单元的多级残差聚合超分辨率重建模型.模型采用多层次特征融合与跳跃连接的网络结构,结合不同层...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于层次交互动态注意力与序列学习的图像超分辨率重建 Image super-resolution reconstruction based on hierarchical interactive dynamic attention and sequence learning
基于层次交互动态注意力与序列学习的图像超分辨率重建.pdf
- 文件大小:
- 10.09 MB
- 下载次数:
- 60
-
高速下载
|
|
