面向高效图像恢复的关键特征强化

图像恢复是一个具有挑战性的欠定问题，通过估计其退化对应物的锐利图像。尽管已有方法通过设计新颖的模块架构取得了令人期待的性能，但它们忽略了不同区域在腐败图像中经历的退化程度不同的事实。在本文中，我们提出了一个高效且有效的框架来适应不同区域的不同程度退化用于图像恢复。具体而言，我们设计了一个空间和频率注意力机制（SFAM），用于强化恢复的关键特征。SFAM 包含两个模块：空间域注意力模块（SDAM）和频率域注意力模块（FDAM）。SFAM 通过空间域中的空间选择注意力和通道选择注意力辨别退化位置，而 FDAM 通过增强高频信号来放大锐利图像对和退化图像对之间的差异。此外，为捕获全局范围信息，我们引入了一个多尺度模块（MSBlock），包含三个尺度分支，每个分支由多个简化的通道注意力块（SCABlocks）和一个多尺度前馈块（MSFBlock）组成。最后，我们提出了我们的 ECFNet，将上述组件集成到 U 形主干架构中，以恢复高质量图像。广泛的实验结果表明，ECFNet 在 synthetic 和真实世界数据集上均优于最先进（SOTA）方法。