기존 단일 이미지 초해상도 복원 알고리즘이 추출하는 이미지 특징 정보가 단일하고 고주파 세부 정보가 손실되는 문제를 해결하기 위해, 다중 스케일 밀집 특징 융합 네트워크 기반의 효율적인 이미지 초해상도 복원 알고리즘을 제안하였다. 이 방법은 서로 다른 크기의 컨볼루션 커널을 포함하는 다중 스케일 특징 융합 잔차 모듈을 통해 다양한 스케일의 이미지 특징을 추출하고, 이를 융합하여 풍부한 이미지 특징을 추출한다. 모듈 간에는 밀집 특징 융합 구조를 사용하여 서로 다른 모듈에서 추출한 특징 정보를 충분히 융합함으로써 이미지의 고주파 세부 정보를 보다 잘 보존하고 더 나은 시각적 경험을 얻는다. 다수의 실험 결과, 제안된 방법은 매개변수 수를 줄이면서 네 가지 벤치마크 데이터셋에서 피크 신호대 잡음비와 구조적 유사도가 뚜렷하게 향상되었으며, 특히 Set5 데이터셋에서 4배 복원 결과의 피크 신호대 잡음비가 DID-D5에 비해 0.08 dB 향상되어 복원된 이미지가 시각적으로 더 우수하고 특징 정보가 더욱 풍부해 해당 알고리즘의 유효성을 충분히 입증하였다.

초해상도;다중 스케일;밀집 특징 융합;합성곱 신경망;잔차 학습