来源：期刊VIP网 时间：
作者：刘鹏南;李龙;张紫豪;朱星光;程德强;
单位：中国矿业大学信息与控制工程学院;山东黄金矿业(莱西)有限公司;
摘要：现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景，且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题，提出了一种密集残差连接U型网络，用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块，通过密集连接的方式对图像特征进行充分提取，再利用残差学习的特点对低分辨率噪声图像进行有效去噪；在重建路径中引入残差特征注意力蒸馏模块，通过在残差块中融入增强特征注意力块，对不同空间的特征赋予不同的权重，加强网络对于图像关键特征的提取能力，同时减少图像细节特征在残差块中的损失，从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验，结果表明：在客观评价指标上，所提网络的结构相似度、图像感知相似度均优于对比网络，且在复杂度及运行速度上有着较好的均衡；在主观视觉效果上，所提网络重建的图像基本消除了原有图像噪声，有效恢复了图像的细节特征。
关键词：噪声图像;超分辨率重建;密集残差连接;U型网络;去噪模块;残差特征注意力蒸馏模块
基金资助：国家重点研发计划项目（2021YFC2902702）; 济宁市重点研发计划项目（2021JNZY013）
