Para resolver o problema da extração insuficiente de características na maioria dos métodos de reconstrução de super-resolução de imagem que utilizam convolução de escala única para extração de características, propõe-se uma rede de super-resolução de imagem baseada em atenção adaptativa multiescala. Para aproveitar totalmente as informações contextuais nas características de diferentes níveis, foi projetado um bloco de fusão de características multiescala, cuja unidade básica é composta sucessivamente por um bloco adaptativo de dupla escala, um bloco de interação progressiva multipercurso e uma atenção adaptativa bidimensional. Primeiro, o bloco adaptativo de dupla escala funde autonomamente as características de duas escalas, obtendo características contextuais mais ricas; em seguida, o bloco de interação progressiva multipercurso interage de forma progressiva com as características de saída do bloco adaptativo de dupla escala, melhorando a correlação entre as características contextuais; finalmente, a atenção adaptativa bidimensional seleciona autonomamente diferentes atenções dimensionais para refinar as características de saída, aumentando a discriminabilidade das características de saída. Resultados experimentais mostram que nos conjuntos de teste Set5, Set14, BSD100 e Urban100, o método proposto neste artigo apresenta melhorias nos indicadores quantitativos PSNR e SSIM em comparação com outros métodos principais, especialmente para o conjunto de testes Urban100, onde os detalhes de textura são difíceis de restaurar, o método proposto melhora os indicadores PSNR e SSIM em 0,05 dB e 0,0045 respectivamente com um fator de escala ×4 em comparação com o método atual mais avançado SwinIR; em termos de efeito visual, as imagens reconstruídas neste artigo apresentam mais detalhes de textura.

super-resolução; características multiescala; mecanismo de atenção; pesos adaptativos; interação progressiva de informações