来源：期刊VIP网 时间：
作者：杨天澄;魏为民;符程程;杨同;
单位：上海电力大学计算机科学与技术学院;
摘要：单图像超分辨率是计算机视觉中一个活跃的研究领域，旨在将给定的低分辨率图像生成高分辨率图像。近年来，深度卷积神经网络被广泛应用于图像超分辨率任务，现有的许多方法在获取高分辨率-低分辨率图像对的过程中使用基于插值下采样的方法，但这在现实世界中会导致伪影。针对这一问题，文中提出一种基于Real-ESRGAN的改进模型，该模型结合了坐标注意力机制和多尺度残差密集块，并引入Charbonnier损失函数，以提升生成图像的纹理细节和稳定性。实验结果表明，与SRGAN和ESRGAN等经典模型相比，所提方法在真实图像的重建质量上有显著提升。通过在多个测试数据集上的评估结果可知，所提模型在自然图像质量评估指标和感知指数方面表现优异，验证了其有效性和优越性。
关键词：单图像超分辨率;;Real-ESRGAN;;坐标注意力;;多尺度残差密集块;;Charbonnier;;特征提取
基金资助：国家自然科学基金项目（61602295）
