面向空间特定与空间非特定退化的自适应盲超分辨率网络

先前的方法忽略了在图像重建过程中不同退化类型的多样性，采用统一的网络模型来处理多种退化。然而，我们发现，包括采样、模糊和噪声在内的常见退化模式大致可分为两类。我们将第一类称为空间非特定主导型退化，受图像空间中区域变化影响较小，如降采样和噪声退化。第二类退化类型与图像的空间位置密切相关，如模糊，我们将其称为空间特定主导型退化。我们引入一种集成全局和局部分支的动态滤波网络，以处理这两种退化类型。该网络能够显著缓解实际中的退化问题。具体而言，全局动态滤波层通过对多个平行标准卷积核施加注意力机制生成的权重来感知不同图像中的空间非特定主导型退化，从而增强了网络的表示能力。与此同时，局部动态滤�层将图像特征图转换为空间特定的动态滤波算子，对图像特征执行空间特定的卷积运算，以处理空间特定主导型退化。通过有效集成全局和局部动态滤波算子，我们提出的方法在合成和真实图像数据集上均优于最新的盲超分辨率算法。