基于EM自注意力残差的图像超分辨率重建网络

基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量，但同时增加了模型的计算代价，很多网络利用注意力机制来提高特征提取能力，但难以充分学习到不同区域的特征。为此，提出一种基于期望最大化(EM)自注意力残差的图像超分辨率重建网络。该网络通过改进基础残差块，构建特征增强残差块，以更好地复用残差块中所提取的特征。为增加特征信息在空间上的相关性，引入EM自注意力机制，构建EM自注意力残差模块来增强模型中每个模块的特征提取能力，并通过级联EM自注意力残差模块来构建整个模型的特征提取结构。所获得的特征图通过上采样的图像重建模块获得重建的高分辨率图像。将所提方法与主流方法进行实验对比，结果表明：所提方法在5个流行的SR测试集上能够取得较好的主观视觉效果和更优的性能指标。