近日，我校人工智能学院黄育明老师在图像超分辨重建的网络设计研究领域取得重要进展，该成果以“Image super-resolution reconstruction network based on enhanced Swin-Transformer via alternating aggregation of local-global features”为题发表于国际权威期刊《IEEE Transactions on Emerging Topics in Computational Intelligence》（中科院2区，JCR Q1区期刊，IF=6.5）。

图像超分辨重建旨在将低分辨率图像通过设计的神经网络重建出具有更丰富纹理细节的高分辨率图像，是图像处理领域的重要研究方向。该技术已广泛应用于老旧照片重建、低分辨视频图像重建等，为图像的下游任务提供高质量的数据来源。

图1 提出网络示意图

该工作在Swin Transformer网络框架中引入移位卷积算子〔如图1(c)所示〕以提取局部细节并增强空间与通道信息交互，同时设计一种新颖的窗口多尺度自注意力机制〔如图1(d)所示〕以增强网络的全局感受野和多尺度特征感知能力，并将两种结构堆叠为具有交替串联结构〔如图1(a)-(b)所示〕的特征融合结构。此外，本文还设计了一个低参数的残差通道注意力块（Low-parametric Residual Channel Attention Block，LRCAB）进一步去除通道冗余信息〔如图1(d)和图2所示〕。

图2 低参数的残差通道注意力块

图3 提出方法与其他方法的超分辨重建结果对比

医生掀开奶罩边躁边狠狠躁视频为该工作第一单位，我校人工智能学院黄育明老师为论文第一作者，闽南师范大学为该工作唯一通讯单位，闽南师范大学陈颖频副教授为唯一通讯作者和共同第一作者。研究得到了国家自然科学基金 (62001199)，福建省自然科学基金 (2023J01155, 2024J01820, 2024J01821)，漳州市自然科学基金 (ZZ2024J40)，研究生教学改革研究项目（YJG202526）资助。

论文链接：https://arxiv.org/pdf/2401.00241

编辑：黄育明

一审一校：覃杏柳

二审二校：周于飞

三审三校：梁家胜

（图/文：黄育明）