一种改进的超分辨率轻量化特征融合方法OA北大核心CSTPCD

图像超分辨率技术可以通过提高图像的分辨率从而有效提升图片的质量和观看的视频体验。然而,小型嵌入式设备因硬件资源受限难以运行常规模型。为减少模型的参数量以及加快模型运算速度,提出一种改进的超分辨率轻量化特征融合方法ILFM。设计结构间部分参数共享模块,使得在参数量基本不变的情况下增强模块的表达能力,进而增强模型输出图像质量,设计一种更加轻量的可分离编解码基本模块。在模型中双层网络结构和改进的参数共享方法被设计为1个统一结构。除此之外,采用通道叠加的图像预处理方式来提取更多的图像特征。在DIV2K和Flickr2K数据集上进行训练,在Set5和BSDS100等多个基准数据集上进行测试,实验结果表明,相较于基准模型IMDN,ILFM在超分辨率系数为2和4且输出更高图片质量的情况下参数量分别降低了63%和61%。对比当前最优的轻量化超分辨率模型,ILFM能够在多个数据集的峰值信噪比(PSNR)和结构相似性(SSIM)上取得平均0.04378 dB和0.0013的增长,具有更优的综合性能。