计算机工程

作者：赵瑶谦, 滕奇志, 何小海, 税爱, 陈洪刚

单位：1. 四川大学电子信息学院, 四川 成都 6100652. 四川德爱鑫玛机器有限公司, 四川 遂宁 629200

关键词：图像超分辨率,特征蒸馏,深度学习,非对称卷积,自注意力

基金：国家自然科学基金(62001316); 四川省科技计划(2024YFHZ0212); 四川大学遂宁市校市战略合作“揭榜挂帅”科技项目(2022CDSN-15)

单幅图像超分辨率(SISR)旨在从给定的低分辨率(LR)图像中重建出高分辨率(HR)图像。近年来, 基于深度学习的SISR算法取得了出色的重建效果, 引起了广泛关注。然而, 大多数基于深度学习的SISR算法存在复杂度高、参数量大等问题, 影响实际应用。为了克服以上问题, 提出一种基于自注意力特征蒸馏的模块, 在降低模型复杂度的同时充分提取图像深层特征, 实现轻量化的超分辨率重建。该模块包含2个技术创新: 一是在全局注意力的计算中提出基于非对称卷积的前馈网络, 利用非对称卷积优越的非线性特征提取能力压缩输入通道, 节省计算开销; 二是在空间注意力模块中引入部分通道位移操作, 在不增加计算量的同时, 通过位移部分通道达到提高特征多样性的目的。在6个常用公开数据集上的超分辨率实验结果表明, 相比于CARN、SMSR、DLGSANet等具有代表性的轻量级SISR算法, 所提算法在峰值信噪比(PSNR)、结构相似度(SSIM)、LPIPS评价指标上取得了更好的表现, 同时重建结果的主观视觉效果更优, 更好地平衡了模型复杂度与重建性能。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期