.png){kind=icon}
返回
Lightweight Image Super-Resolution Reconstruction Network Based on Multi-Order Information Optimization
.png){kind=icon}
PRE
AI
DOI：10.3390-s25175275.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统信息蒸馏网络采用单尺度卷积和简单的特征融合，往往导致信息提取不足和高频细节恢复效果不佳。为解决此问题，我们提出了一种基于多阶信息优化的轻量级图像超分辨率重建网络。该网络的核心在于高频信息的增强与精化。我们的方法通过两个主要阶段运作，以充分挖掘图像中的高频特征并消除冗余信息，从而提升网络的细节恢复能力。在高频信息增强阶段，我们设计了自校准高频信息增强模块。该模块通过自校准分支生成校准权重，以调节各像素的响应强度，随后选择性增强关键高频信息。此外，我们结合辅助分支与分块空间优化策略，提取局部细节并自适应强化高频特征。在高频信息精化阶段，我们提出了多尺度高频信息精化模块。首先，通过多重采样捕获多尺度信息，以丰富特征层次；其次，利用融合了小波卷积和带卷积的多分支结构对高频信息进行进一步精化，实现多样化细节特征的提取。实验结果表明，我们的网络在复杂度与性能之间实现了最优平衡，在定量指标和视觉质量上均优于流行的轻量级网络。
Keyword:
image super-resolution
high-frequency information enhancement
lightweight network
multi-scale feature refinement
self-calibration block
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Depthwise channel attention network (DWCAN): An efficient and lightweight model for single image super-resolution and metaverse gaming.png)
EXPERT SYSTEMS
EXPERT SYSTEMSIF2.3
PREAI
分享收藏Song, W.; Yan, X.; Guo, W.; Xu, Y.; Ning, K. MSWSR: A Lightweight Multi-Scale Feature Selection Network for Single-Image Super-Resolution Methods. Symmetry 2025, 17, 431. [Google Scholar] [CrossRef]Song, W.; Yan, X.; Guo, W.; Xu, Y.; Ning, K. MSWSR: 一种轻量级多尺度特征选择网络用于单图像超分辨率方法。Symmetry 2025, 17, 431. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Medical Image Super-Resolution Based on Semantic Perception Transfer Learning基于语义感知迁移学习的医学图像超分辨率研究
PREAI
分享收藏
查看更多内容