魏静波

（西安中兴新软件有限责任公司 陕西省西安市 710114）

本文提出一种基于残差密集注意力网络的超分辨率重建算法。首先利用简单结构对图像进行特征提取并将其从颜色空间转换到特征空间；然后设计了融入通道注意力机制的高频特征提取网络，从而提取图像中高频信息以减少信息的损失；最后采用上采样的方法将图像特征的大小恢复到原始数据图像的大小，并将其从特征空间转换到颜色空间中。通过在多个测试数据集上的实验证明了本算法的有效性。

1 神经网络在超分辨领域中存在的问题及改进

1.1 网络结构的简单设计达不到效果

近年深度卷积神经网络在图像超分辨率重建领域中因为其良好的性能表现已经成为了重要发展的方向。然简单地加深或者加宽的网络会导致参数的急剧增加训练困难。

1.2 注意力机制的欠缺

注意力机制在计算机视觉技术中优势明显，超分辨领域融入注意力机制的方法也越来越多。本算法也利用了注意力机制优势，重新设计注意力网络，从而提升整体网络结构的性能。

2 基于残差密集注意力网络的超分辨率重建算法内容

2.1 算法实现流程

如图1所示算法实现流程可以分浅层特征提取、深层特征提取和图像上采样操作几部分。

首先将数据集中的训练图像进行预处理：包括双三次插值算子的下采样、将数据集进行旋转、翻转以及随机裁剪等扩充操作；

第二步：使用卷积网络来对图像的浅层特征进行深度特征提取。……