기존의 초해상도 복원 알고리즘이 이미지의 다중 스케일 정보와 깊은 특징을 충분히 활용하지 못하는 문제를 해결하기 위해 다중 스케일 깊은 특징 증류 기반 이미지 초해상도 복원 방법(MSDFDN)을 제안하였다. 우선, 기존의 합성곱 층을 ConvNeXt 합성곱으로 대체하여 적은 계산 비용으로 네트워크의 깊이를 늘려 성능을 향상시켰다. 둘째, 다양한 스케일의 ConvNeXt 합성곱 층을 구성하고 잔여 특징 증류 메커니즘을 결합한 다중 스케일 깊은 특징 증류 모듈을 설계하여 풍부한 저주파 정보를 우회하고 잔차 블록에서 다중 스케일 깊은 특징을 추출하였다. 마지막으로 모듈 끝단에 주의 메커니즘을 도입하여 추출된 특징에 적응적으로 가중치를 부여하여 네트워크가 고주파 정보에 더 집중하도록 하였다. 벤치마크 데이터셋 및 자체 구축한 PDC 드릴 컴포지트 데이터셋에서 다른 고급 경량 초해상도 복원 알고리즘과 비교하여 본 방법으로 얻은 이미지의 최고 신호 대 잡음비 및 구조적 유사성 정량 지표가 향상되었으며, 특히 세부 정보가 많은 Urban100 데이터셋에서 4배 복원 이미지의 최고 신호 대 잡음비가 26.49 dB, 구조적 유사성이 0.7976에 달하였다. 실험 결과 제안된 방법이 객관적 및 주관적 지표 모두에서 우수한 성능을 보임을 확인하였다.

이미지 초해상도 복원;합성곱 신경망;경량;다중 스케일 특징 증류;주의 메커니즘