计算机应用

作者：孟海腾, 赵小乐, 李天瑞

单位：西南交通大学 计算机与人工智能学院，成都 611756

关键词：图像超分辨率,轻量级超分辨率网络,非对称卷积,信息蒸馏,注意力机制

基金：国家自然科学基金资助项目(62102330)

深度卷积神经网络（CNN）在图像超分辨率重建领域表现出卓越性能，然而现有的许多相关方法的模型参数量较多，无法应用至计算资源较低的设备。为缓解上述问题，提出一个轻量级的非对称信息蒸馏网络（AIDN）模型。首先，输入原始图像及其边缘图像以提取有效的特征信息；其次，设计一个非对称信息蒸馏块对提取到的特征进行非线性映射学习；再次，使用上采样模块重建多个残差图像后，将这些残差图像经过注意力机制融合成一个残差图像；最后，将融合的残差图像与输入图像的插值相加后得到超分图像。在Set14、Urban100和Manga109数据集上的实验结果表明，相较于空间自适应特征调制网络（SAFMN），AIDN模型的4倍超分峰值信噪比（PSNR）值分别提升了0.03 dB、0.14 dB和0.06 dB，说明了AIDN模型在模型参数量和模型性能之间取得了更好的平衡。

来源：2025年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第2期