摘要
图像超分辨率在医疗和安防等领域应用广泛,本文针对传统超分辨率重建(super-resolution reconstruction,SR)方法无法重建出边缘特征图像的不足,提出了一种先验信息与密集连接网络模型的重建方案,利用考虑输入统计信息的残差特征的不同组合,引入了多注意力模块,通过与主干网络结构协作,在不增加额外模块的情况下提高了网络性能.新提出的模型与现有复杂结构的技术(state-of-the-art,SOTA)模型相比,具有更好的性能.为了避免输入的身份特征会急剧漂移的问题,提出了一种基于先验信息引入注意力机制网络模块来分辨真实低分辨率(low resolu-tion,LR)对应物的模型,这种模型在捕获运动噪声等方面具有优势.经实验验证得出,本文方法相比其他主流方法,在评价指标和主观可视化分析方面更具优势.
基金项目
国家自然科学基金(31560141)
内蒙古自治区高等学校科研项目(NJZY18066)
内蒙古自治区高等学校科研项目(NJZY20055)
内蒙古自治区哲学社会科学规划项目(2020NDB009)
内蒙古农业大学职业技术学院科技创新团队智慧农牧业科技创新团队项目(TDE202308)
NETL
NSTL
维普
万方数据