基于轻量化注意力的多尺度图像超分辨率重建

张 健勋
合肥工业大学

摘要


本文提出面向单图像超分辨率的多尺度注意力网络（MANet）。该网络以轻量化为目标，通过多尺度大核
可分离注意力（MLSKA）模块解决现有大核注意力方法的伪影严重、计算复杂、感受野单一等问题。MLSKA融
合多尺度机制与自适应门控聚合，高效建模从局部到全局的特征依赖。同时，设计了轻量级门控空间通道注意力
（GSCA）模块，通过空间-通道双重注意力增强特征表达能力并降低计算复杂度。实验表明，MANet在不同规模下
能以更少的参数量和计算量超越主流CNN及部分Transformer方法，实现极具竞争力的重建质量。

关键词


图像超分辨率；多尺度大核可分离注意力；门控机制；轻量级网络

全文:

PDF


参考


[1]周健宇.基于解耦特征融合与门控协同解码的图

像超分辨率算法研究[D].安徽理工大学，2025.

[2]陈恺.面向文本隐写的汉字图像超分辨率方法研

究[D].杭州电子科技大学，2025.

[3]胡健.基于Transformer的图像超分辨率算法研究

[D].西安电子科技大学，2024.

[4]沈学利，翟宇琦，关刘美，等.多尺度注意力特

征融合的单图像超分辨率研究[J].计算机技术与发展，

2024，34（07）：31-39.

[5]刘长新，吴宁，胡俐蕊，等.基于递归门控卷积

的遥感图像超分辨率研究[J].计算机科学，2024，51（02）：

205-216.

[6]陈俊宽.基于深度学习的遥感图像超分辨率重建

研究[D].江西理工大学，2025.

7]高翔.基于多维度特征表示的图像超分辨率算法研

究[D].大连理工大学，2024.

[8]母辽.几何结构引导的深度图像超分辨率算法研

究[D].大连理工大学，2023.


Refbacks

  • 当前没有refback。