基于多尺度特征聚合的图像超分辨率重建

针对图像超分辨率重建过程中，存在提取特征信息单一、图像细节缺失的问题，提出了一种新的生成式对抗网络(DAMFA-GAN),以获得更加逼真和自然的重建图像。在生成器方面，设计融合动态注意力机制的多尺度特征聚合模块(DAMFA)以获取低分辨率图像中每个上采样特征的多尺度高频信息，提高重建图像的质量；在判别器方面，设计ConvTrans Encoder模块以增强特征信息提取能力，提高判别的准确率。在Set5、Set14、BSD100和Urban100数据集上的实验结果表明，DAMFA-GAN在峰值信噪比(PSNR)和结构相似性(SSIM)上较于SRGAN分别平均提高了0.50 dB、0.015 2。同时，超分辨率重建图像的高频细节和视觉效果也得到了明显改善。