La méthode traditionnelle Mamba visuelle (VIM) aplatie directement une image en espace bidimensionnel en un plan unidimensionnel. Bien que cette méthode permette d’obtenir des dépendances à longue portée, elle perturbe également la structure spatiale locale des pixels adjacents dans le plan bidimensionnel d’origine, rendant ainsi la capture des détails locaux impossible. À cet effet, cet article introduit un modèle léger de super-résolution basé sur un modèle d’espace d’état omnidirectionnel (PMambaIR) et propose le groupe spatial omnidirectionnel résiduel comme bloc central. Le groupe spatial omnidirectionnel résiduel comprend principalement deux modules innovants. Plus précisément, nous introduisons d’abord une nouvelle stratégie de balayage en cascade qui favorise l’interaction entre les informations locales, multi-échelles et globales, permettant ainsi de capturer efficacement les informations locales tout en conservant les dépendances globales, réalisant ainsi une extraction de caractéristiques omnidirectionnelle. Ensuite, un bloc d’espace d’état hybride est proposé, qui peut modéliser simultanément l’interaction des informations de pixels dans les dimensions spatiales et canaux, limitant ainsi l’impact des caractéristiques non pertinentes sur le modèle, ce qui permet d’explorer la corrélation latente entre les informations globales des canaux et de l’espace. Les résultats comparatifs avec d’autres méthodes sur des ensembles de données de référence tels que Set14 et Urban100 montrent que le PSNR de PMambaIR est en moyenne amélioré de 0,11 dB par rapport aux modèles existants. Des analyses quantitatives et qualitatives objectives valident que cette méthode présente un PSNR et un SSIM plus élevés. Les résultats subjectifs sur les images expérimentales montrent que cette méthode offre une richesse de détails et un effet visuel élevé.

super-résolution d’image; modèle d’espace d’état; modèle léger; stratégie de balayage en cascade