张晔，刘蓉，刘明，陈明

（1.华中师范大学 物理科学与技术学院，武汉 430079； 2.华中师范大学 计算机学院，武汉 430079）（∗通信作者电子邮箱lium@mail.ccnu.edu.cn）

基于多通道注意力机制的图像超分辨率重建网络

张晔1，刘蓉1，刘明2*，陈明1

（1.华中师范大学 物理科学与技术学院，武汉 430079； 2.华中师范大学 计算机学院，武汉 430079）（∗通信作者电子邮箱lium@mail.ccnu.edu.cn）

针对现有的图像超分辨率重建方法存在生成图像纹理扭曲、细节模糊等问题，提出了一种基于多通道注意力机制的图像超分辨率重建网络。首先，该网络中的纹理提取模块通过设计多通道注意力机制并结合一维卷积实现跨通道的信息交互，以关注重要特征信息；然后，该网络中的纹理恢复模块引入密集残差块来尽可能恢复部分高频纹理细节，从而提升模型性能并产生优质重建图像。所提网络不仅能够有效提升图像的视觉效果，而且在基准数据集CUFED5上的结果表明所提网络与经典的基于卷积神经网络的超分辨率重建（SRCNN）方法相比，峰值信噪比（PSNR）和结构相似度（SSIM）分别提升了1.76 dB和0.062。实验结果表明，所提网络可提高纹理迁移的准确性，并有效提升生成图像的质量。

图像超分辨率重建；纹理迁移；注意力机制；一维卷积；密集残差块

0 引言

图像超分辨率（Super-Resolution， SR）［1］重建是利用一组低质量、低分辨率（Low-Resolution， LR）图像来产生单幅高质量、高分辨率（High-Resolution， HR）且拥有自然和逼真纹理的图像，在监控设备、卫星图像和医学影像等领域都有着重要的应用价值。图像SR研究通常以两种模式进行，包括……