基于CNN-Transformer融合网络的红外图像超分辨率方法

对于红外图像超分辨率问题,近年来基于CNN的方法和基于Transformer的方法都取得了有竞争力的结果。然而一定程度上,CNN和Transformer具有特征表示上的互补性。因此,为了结合两者的优势,文中提出一种包含双分支的CNN-Transformer特征融合网络(CTF-Net),有效融合了CNN的局部特征和Transformer的全局信息。具体来说,CNN分支提出使用残差内残差密集块作为特征提取主干,提取增强的局部特征。Transformer分支提出结合自注意力和通道注意力,捕获完整的空间和通道两个维度的全局信息。此外,针对红外图像高频信息相对不足的特点,引入有效的对比损失。通过远离模糊负样本并靠近锐化正样本,提高超分结果下限的同时,增强对高频特征的利用和恢复。大量实验表明,所提出的CTF-Net取得了最优的性能指标,生成的超分辨率图像边缘和纹理更清晰,进一步推动了红外成像技术的高质量应用。

资料为PDF文档格式.

本文档关键词:分辨率,图像,融合,网络,红外