计算机应用研究

作者：李金凤,王世宇,边继龙,

单位：1.牡丹江师范学院计算机与信息技术学院,黑龙江牡丹江157011；2.东北林业大学计算机与控制工程学院,哈尔滨150040；3.烟台港股份有限公司联通国际件杂货码头分公司,山东烟台264001；

关键词：图像超分辨率重建,卷积神经网络,注意力机制,多尺度特征,

基金：黑龙江省高校基本科研业务费项目(1454YB015)；黑龙江省自然科学基金资助项目(PL2024F023)；牡丹江师范学院项目(MNUGP202304)；；

在基于深度学习的图像超分辨率重建任务中，卷积神经网络曾长期占据主导地位。然而，卷积神经网络存在着局部感受野受限等明显缺陷。随后，Transformer 因其在自然语言领域出色的表现而被引入图像超分辨率领域，其中的自注意力机制有效缓解了卷积操作的局部性限制，但在处理高分辨率图像时，却因其平方级计算复杂度和巨大的内存开销而面临新的挑战。为此，提出一种基于多尺度大核卷积和改进非局部注意力的超分辨率重建网络模型，其以多尺度大核卷积块作为网络主干结构，并设计一个大核可分离注意块取代特征提取网络末尾单个卷积层。同时引入一种软阈值操作以取代softmax变换，并结合SB-LSH预处理改进非局部注意力。实验结果表明，提出的模型在评价指标上对比其他先进模型有较大提升。同时，该模型在保持适中参数量的前提下，有效避免了过高的计算开销，而且在视觉效果上也展现了真实的图像重建效果。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期