Die traditionelle visuelle Methode Mamba (VIM) glättet zweidimensionale Bilder direkt in eine eindimensionale Ebene, obwohl sie lang anhaltende Abhängigkeiten erzielen kann, stört sie gleichzeitig auch die lokale räumliche Struktur benachbarter Pixel in der ursprünglichen zweidimensionalen Ebene, was es unmöglich macht, lokale Details zu erfassen. Zu diesem Zweck stellen wir in diesem Artikel ein leichtes Modell für die Bildsuperauflösung im vollständigen Zustandsraum vor und schlagen einen vollständigen Restblock im Raum vor. Der vollständige Restblock im Raum besteht hauptsächlich aus zwei innovativen Modulen, insbesondere führen wir zunächst eine neue Kaskaden-Scan-Strategie ein, die die Interaktion von lokaler, übergeordneter und globaler Information anregt, wobei globale Abhängigkeiten erhalten bleiben, um lokale Informationen effektiv zu erfassen und vollständige Eigenschaften herauszuarvieren. Dieschlagen einen gemischten Zustandsraum block vor, der gleichzeitig mit Pixelinformationen aus zwei Dimensionen interagieren kann, den Einfluss von irrelevanten Eigenschaften auf das Modell zu begrenzen, um das potenzielle Korrelationspotenzial zwischen Kanal und Raum zu erkennen. Im Vergleich zu anderen Methoden in den Standard-Testdatensätzen Set14, Urban100 usw. erhöht sich der Mittelwert des PMambaIR PSNR um 0,11 dB. Die quantitative und qualitative Analyse bestätigt objektiv, dass diese Methode einen höheren PSNR- und SSIM-Wert aufweist. Die subjektive visuelle Bewertung zeigt reichere Details und visuelle Effekte.

Bildsuperauflösung; Zustandsraummodell; Leichtes Modell; Kaskaden-Scan-Strategie