第1期2023年1月电子学报ACTAELECTRONICASINICAVol.51No.1Jan.2023基于深监督跨尺度注意力网络的深度图像超分辨率重建李滔1，董秀成1，林宏伟2（1.西华大学电气与电子信息学院，四川成都610039；2.西北民族大学电气工程学院，甘肃兰州730000）摘要：消费级深度相机拍摄的深度图像具有分辨率较低的问题，深度图像超分辨率重建是解决该问题的有效方法.为了提高重建性能，提出一种基于深监督跨尺度注意力网络的深度图像超分辨率重建算法.网络逐级放大，在损失函数中对每一级的输出都进行约束，实现深监督的目的.采用高阶跨尺度注意力模块，将多尺度特征尺度内及跨尺度相关性与注意力机制结合起来，实现多尺度特征的自适应调整.采用内层为宽激活残差、外层为基本残差的双层残差块作为网络基本构成元素，以提高网络对复杂非线性关系的学习能力.实验结果表明，本文算法在主观视觉效果和客观质量评价指标方面都优于当前主流的深度图像超分辨率重建算法.关键词：深度图像超分辨率；深度学习；深监督；多尺度特征表示；残差块基金项目：国家自然科学基金（No.61901392，No.62041109）；四川省科技计划（No.2021YJ0109，No.2021ZYD0034）中图分类号：TP751.1；TP183文献标识码：A文章编号：0372-2112(2023)01-0128-11电子学报URL:http://www.ejournal.org.cnDOI:10.12263/DZXB.20210659DepthMapSuper-ResolutionReconstructionBasedonDeeplySupervisedCross-ScaleAttentionNetworkLITao1,DONGXiu-cheng1,LINHong-wei2(1.SchoolofElectricalEngineeringandElectronicInformation,XihuaUniversity,Chengdu,Sichuan610039,China;2.CollegeofElectricalEngineering,NorthwestMinzuUniversity,Lanzhou,Gansu730000,China)Abstract:Depthmapscapturedbyconsumerdepthcamerasusuallysufferfromlowspatialresolution.Depthmapsu⁃per-resolution(SR)isaneffectivemethodtosolvethisproblem.Toimprovethereconstructionperformance,thispaperpro⁃posesadepthmapsuper-resolutionreconstructionalgorithmbasedondeeplysupervisedcross-scaleattentionnetwork.Amulti-stageup-samplingstrategyisintroduced.Thelossfunctionofthenetworkcontainstheconstraintontheoutputofeachstageforadeepsupervision.Ahigh-ordercross-scaleattentionblockisproposedtoadaptivelyadjustmulti-scalefea⁃turesbyintegratingthein-scaleandcross-scalecorrelationsofmulti-scalefeature...
