NO.1 论文简介
目前先进方法SwinIR由于其Transformer架构具有较优的全局建模能力，在图像超分辨率任务中取得了较好的视觉效果，但对局部信息的建模能力不足导致在捕获低分辨率图像的高频信息时，还存在特征提取能力不足的问题，而全局建模和局部建模的优势互补可以有效提高重建图像的质量。为了解决上述问题，本文提出了一种改进SwinIR的多特征融合图像超分辨率重建方法。所提改进算法在Swin Transformer块（RSTB）骨干网络上设计了交替串联的空间注意力模块和通道注意力模块（SA-CA），弥补RSTB局部建模能力的不足，使网络能够捕捉到图像空间与通道维度遗漏的上下文信息，得到包含更多边缘细节信息的高质量图像。本文改进的网络结构如图1所示。
NO.2 主要贡献
本文模型主要包括三个模块：浅层特征提取、深层特征提取与融合和高质量图像重建模块。首先，在深层特征提取模块部分使用若干个残差Swin Transformer块（RSTB），通过Swin Transformer层的全局建模能力来提取图像内部的高频信息。其次，针对RSTB局部建模能力不足层次特征利用不充分的问题，设计了交替串联的空间注意力与通道注意力模块（SA-CA），以增强网络对遗漏高频细节信息的恢复能力。最后，为了充分获取和利用特征信息，对浅层特征和深层特征进行求和融合，进而提高重建图像的质量。
NO.3 研究结论
本文引入空间注意力与通道注意力机制改进SwinIR模型，通过对特征进行全局和局部信息深层提取获得多特征进行融合构建超分辨率图像。通过在Set5、Set14、BSD100和Urban100测试集上进行对比测试，实验结果表明，在放大倍数为2、3和4时，本文改进算法相比目前先进方法SwinIR在峰值信噪比值和结构相似度值上都有较大的提升，而且重构图像纹理清晰视觉效果较好。
NO.4 论文资助
国家自然科学基金（62063020）
甘肃省重点研发计划项目（22YF7GA130）
甘肃省自然科学基金（20JR5RA463）
NO.5 作者介绍
王进花（1976—），女，副教授，
E-mail：wjh0615@lut.edu.cn。
魏 婷（1996—），女，兰州理工大学硕士研究生，
曹 洁（1966—），女，教授，
陈 莉（1979—），女，教授，
·引用格式·
王进花, 魏婷, 曹洁, 陈莉. 改进SwinIR的多特征融合图像超分辨率重建(2024) [J/OL]. 西安电子科技大学学报, [2024-10-09]. https://doi.org/10.19665/j.issn1001-2400.20240911
“扫描二维码查看原文”
https://link.cnki.net/doi/10.19665/j.issn1001-2400.20240911
编辑：许瀚樱
校对：杨 薇
审核：牛姗姗
优文推荐 | 融合VFA和ISSA的多目标优化WSN覆盖算法
· 推荐阅读 ·
- 联系我们 -
xuebao@mail.xidian.edu.cn
