FocusSRNet: Red de fusión de características guiada por enfoque para superresolución de imágenes ligera

Área de la Ciencia:

• Visión por Computadora
• Procesamiento de Imágenes
• Inteligencia Artificial

Sus antecedentes:

• La superresolución de imágenes únicas (SISR) se enfrenta a una compensación entre la complejidad del modelo y la precisión de la reconstrucción.
• Las redes ligeras actuales a menudo descuidan información latente valiosa en imágenes de baja resolución (LR).

Objetivo del estudio:

• Proponer una nueva red de fusión de características guiada por enfoque (FocusSRNet) para SISR.
• Mejorar la suficiencia y la discriminabilidad de la representación de características integrando información de enfoque de la imagen como una señal previa.

Principales métodos:

• Desarrolló FocusSRNet con tres módulos principales: Unidad de Medición de Enfoque (FMU), Módulo de Extracción de Características de Campo Receptivo Grande (LRFFEM) y Módulo de Mejora de Características de Canal Asimétrico (ACFEM).
• Introdujo información de enfoque de la imagen como una nueva señal de guía en tareas de SISR.

Principales resultados:

• FocusSRNet demostró un rendimiento superior en comparación con los métodos actuales de vanguardia en múltiples conjuntos de datos de referencia.
• El mecanismo guiado por enfoque mejoró significativamente la calidad de la reconstrucción.

Conclusiones:

• El mecanismo propuesto guiado por enfoque ofrece una nueva perspectiva para la reconstrucción de superresolución ligera y de alta precisión.
• FocusSRNet proporciona un enfoque factible para mejorar el rendimiento de SISR aprovechando los previos de enfoque de la imagen.