Para resolver o problema da informação de características de imagem única e da perda de detalhes de alta frequência nos algoritmos existentes de super-resolução de imagem de única imagem, foi proposto um algoritmo eficiente de reconstrução de super-resolução de imagem baseado em uma rede de fusão densa de características multiescala. Esse método extrai características de imagem em diferentes escalas por meio de um módulo residual de fusão de características multiescala contendo núcleos de convolução de diferentes escalas e funde as características de diferentes escalas para extrair características ricas da imagem. Entre os módulos, é utilizada uma estrutura de fusão densa de características para fundir completamente as informações extraídas, a fim de preservar melhor os detalhes de alta frequência da imagem e obter uma melhor experiência visual. Muitos experimentos mostram que o método proposto reduz a quantidade de parâmetros enquanto melhora significativamente a relação sinal-ruído de pico e a similaridade estrutural em quatro conjuntos de dados de referência, especialmente no conjunto Set5, onde a relação sinal-ruído de pico no resultado de reconstrução 4x melhorou em 0,08 dB em comparação com o DID-D5, e a imagem reconstruída apresenta melhor efeito visual e características mais ricas, comprovando plenamente a eficácia do algoritmo.

super-resolução;multiescala;fusão densa de características;rede neural convolucional;aprendizado residual