基于特征融合和注意力机制的图像超分辨率模型
Image super-resolution model based on feature fusion and attention mechanism
1. 广东工业大学 计算机学院, 广州 510006
2. 北京航空航天大学 青岛研究院, 山东 青岛 266000
摘要
现有的基于深度学习的单张图像超分辨率（single image super-resolution，SISR）模型通常是通过加深网络层数来提升模型的拟合能力，没有充分提取和复用特征，导致重建图像的质量较低。针对该问题，提出了基于特征融合和注意力机制的图像超分辨率模型。该模型在特征提取模块使用残差中嵌入残差（residual in residual，RIR）的结构，该网络的特征提取模块由包含多个残差块的残差组构成，并且在每个残差组内进行局部特征融合，在每个组之间进行全局特征融合。此外，在每一个残差块中引入坐标注意力模块，在每一个残差组中引入空间注意力模块。经验证，该模型能充分提取特征并且复用特征。实验最终结果表明，该模型在客观评价指标和主观视觉效果上都优于现有的模型。
基金项目
国家自然科学基金资助项目(61502109,61672502,61702112)
广东省自然科学基金资助项目(2016A030310342)
广东省信息物理融合系统重点实验室开放课题(2016B030301008)
NSFC-广东联合基金资助项目(U1501254)
广东省科技计划项目(2016A040403078,2017B010110015,2017B010110007)
广州市珠江科技新星资助项目(201610010101)
广州市科技计划项目(201604016075,202007040005)
出版信息
DOI: 10.19734/j.issn.1001-3695.2021.07.0288
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第3期
所属栏目: 图形图像技术
出版页码: 884-888
文章编号: 1001-3695(2022)03-042-0884-05
发布历史
[2021-11-07] 优先出版
[2022-03-05] 印刷出版
引用本文
盘展鸿, 朱鉴, 迟小羽, 等. 基于特征融合和注意力机制的图像超分辨率模型 [J]. 计算机应用研究, 2022, 39 (3): 884-888. (Pan Zhanhong, Zhu Jian, Chi Xiaoyu, et al. Image super-resolution model based on feature fusion and attention mechanism [J]. Application Research of Computers, 2022, 39 (3): 884-888. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
