来源：期刊VIP网 时间：
作者：杨海航;万显荣;周文洪;吴津;
单位：武汉大学电子信息学院;武汉高德红外股份有限公司;
摘要：对于红外图像超分辨率问题，近年来基于CNN的方法和基于Transformer的方法都取得了有竞争力的结果。然而一定程度上，CNN和Transformer具有特征表示上的互补性。因此，为了结合两者的优势，文中提出一种包含双分支的CNN-Transformer特征融合网络（CTF-Net），有效融合了CNN的局部特征和Transformer的全局信息。具体来说，CNN分支提出使用残差内残差密集块作为特征提取主干，提取增强的局部特征。Transformer分支提出结合自注意力和通道注意力，捕获完整的空间和通道两个维度的全局信息。此外，针对红外图像高频信息相对不足的特点，引入有效的对比损失。通过远离模糊负样本并靠近锐化正样本，提高超分结果下限的同时，增强对高频特征的利用和恢复。大量实验表明，所提出的CTF-Net取得了最优的性能指标，生成的超分辨率图像边缘和纹理更清晰，进一步推动了红外成像技术的高质量应用。
关键词：超分辨率;;红外图像;;CNN;;Transformer;;特征融合;;对比损失
基金资助：国家自然科学基金资助项目(61931015)
