基于高低频分解的括号式图像修复与增强

在实际场景中，由于一系列图像退化，获取高质量清晰内容照片具有挑战性。虽然在合成高质量图像方面取得了显著进展，但以往的方法在图像修复和增强往往忽视了不同退化的特性。它们对各种类型退化采用相同的结构，导致恢复效果不理想。灵感来源于高/低频信息可用于不同退化的观念，我们引入 HLNet，这是一种基于高低频分解的括号式图像修复和增强方法。具体而言，我们采用两个模块进行特征提取：共享权重模块和非共享权重模块。在共享权重模块中，我们使用 SCConv 从不同退化中提取通用特征。在非共享权重模块中，我们引入高低频分解块 (HLFDB)，通过不同方法处理高低频信息，使模型能够更有效地处理不同退化。与其他网络相比，我们的方法考虑了不同退化的特性，从而实现了更高质量的图像修复。