تعاني طرق إعادة بناء الدقة الفائقة للصورة المفردة الحالية القائمة على نموذج احتمالات الانتشار من نقص في استخراج معلومات الميزات الفضائية، وعدم الاستفادة الكاملة من المعلومات ذات الصلة، بالإضافة إلى وجود ظواهر الزائد في عملية الحساب. ففي هذا البحث، تم تصميم طريقة إعادة بناء الدقة الفائقة للصورة المفردة تدمج شبكة الانتباه متعددة الأبعاد. أولاً، استنادًا إلى نموذج انتشار SRDiff الحالي، تم اقتراح انتباه متعدد الأبعاد، يجمع بين انتباه القناة والانتباه الذاتي والانتباه الفضائي، مما زاد من قدرة النموذج على التقاط ميزات مقياس مختلف، مما يسمح في استعادة الصورة عالية الدقة بالحفاظ على المزيد من التفاصيل والاتساق العام الأفضل. ثانياً، تم إدخال PConv جزئي الفلترة، واستخراج الملامح الفضائية للصورة بدقة، وتحسين جودة نتائج الدقة الفائقة بشكل ملحوظ، مما يقلل بشكل كبير من حجم الحساب، مما يزيد من كفاءة تشغيل النموذج. في ظروف التكبير بمعامل 4، تمت المقارنة بين طريقتنا وطرق أخرى على 5 مجموعات الاختبار، وأظهرت النتائج أن SNR لطريقتنا زاد بمقدار 0.762 ديسيبل مقارنة بالقيمة المقابلة للطرق المقارنة الأخرى، كما زادت نسبة التشابه الهيكلي بمقدار 0.082 مقارنة بالقيمة المقابلة للطرق المقارنة الأخرى. طريقتنا المقترحة تحتوي بشكل موضوعي على مزيد من التفاصيل الدقيقة وأكثر من ذلك من الناحية البصرية، ولديها قيم أعلى لنسبة تشابه الهيكل وقيمة SNR.

دقة فائقة; نموذج الانتشار; شبكة الانتباه متعددة الأبعاد; جزء فلترة