GCA:一种结合注意力机制的图像超分辨率重建模型

• 全文链接
• 请求原文

作   者：

彭学桂; 

作者机构：

上海理工大学光电信息与计算机工程学院; 

关键词：

注意力机制;  模糊核;  胶囊网络;  图像超分辨率; 

期刊名称：

智能计算机与应用

i s s n：

2095-2163

年卷期：

2023 年 13 卷 001 期

页   码：

12-18

摘   要：

深度学习在图像超分辨率任务上的重建精度和计算性能均表现优异.通常的方法是将高分辨率图片通过简单的插值法进行下采样得到低分辨率图片,然后将其输入到超分网络中生成高清图片.然而,真实世界的低质量图片往往存在噪声,且其模糊状态按一定分布呈现,直接将通过插值得到的低分辨率图片来训练的模型在真实世界图片上的效果并不好.针对这一问题,本文在数据集的构造上采用了一种"降级"结构,通过退化算法估计各种模糊核以及真实的噪声分布,使得作为网络输入的低分辨率图片与真实图像共享一个公共域;提出一种结合注意力机制的GCA模型,将生成模块得到的超分辨率图片与标签图像共同输入判别模块的胶囊网络中进行二分类,最终达到判别模块无法区分超分辨率图片和对应的高分辨率图片.在City100数据集上的实验表明,本文提出的GCA模型在真实世界图像上取得了更好的效果.