-
题名多尺度深层特征蒸馏的图像超分辨率重建
- 1
-
-
作者
李想
熊凌
叶道辉
李姝凡
-
机构
武汉科技大学人工智能与自动化学院
武汉科技大学冶金自动化与检测技术教育部工程研究中心
中石化江钻石油机械有限公司
-
出处
《光学精密工程》
北大核心
2025年第10期1657-1671,共15页
-
基金
国家自然科学基金(No.62173261)
湖北省重点研发计划项目(No.2023BAB003)
武汉市重点研发计划项目(No.2023010402010603)。
-
文摘
针对现有的超分辨率重建算法难以充分利用图像的多尺度信息和深层特征的问题,提出了多尺度深层特征蒸馏的图像超分辨率重建方法(MSDFDN)。首先,采用ConvNeXt卷积替代传统卷积层,以较小的计算成本来增加网络的深度,从而提高网络的性能;其次,设计了多尺度深层特征蒸馏模块,通过构造不同尺度的ConvNeXt卷积层,结合残差特征蒸馏机制,绕过丰富的低频信息,提取残差块中的多尺度深层特征;最后,在模块的末端引入注意力机制,自适应地对提取的特征进行加权,使网络更加关注高频信息。在基准数据集以及自建PDC钻头复合片数据集上,与其他先进的轻量级超分辨率重建算法进行对比,本文方法所得图像的峰值信噪比和结构相似性定量数据均有提升,尤其在细节信息较多的Urban100数据集上4倍重建图像的峰值信噪比达到了26.49 dB,结构相似性达到了0.7976。实验结果表明所提出方法具有更好的客观和主观度量结果。
-
关键词
图像超分辨率重建
卷积神经网络
轻量级
多尺度特征蒸馏
注意力机制
-
Keywords
image super-resolution
convolutional neural network
lightweight
multi-scale feature distillation
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
