论文介绍
最近，深度卷积神经网络(CNN)在单图像超分辨率(SISR)方面取得了令人鼓舞的性能。然而，它们通常在单一尺度上提取特征并且缺乏足够的监督信息，导致超分辨率(SR)图像中出现不需要的伪影和令人不快的噪声。
为了解决这个问题，我们提出了一个分层特征提取模块(HFEM)来提取多尺度的特征，这有助于集中于局部纹理和全局语义。然后，引入分层引导重建模块(HGRM)，以渐进的方式通过中间监督重建SR图像中更自然的结构纹理。最后，我们将HFEM和HGRM集成到一个名为分层生成对抗网络(HSR-GAN)的简单而高效的端到端框架中，以恢复一致的细节，从而获得语义合理和视觉逼真的结果。在五个常见数据集上的大量实验表明，与SISR最先进方法相比，我们的方法显示出良好的视觉质量和卓越的定量性能。
论文地址
https://ieeexplore.ieee.org/document/9423174
