Face au coût de calcul élevé des algorithmes actuels de super-résolution d’image, à la perception limitée des textures locales à haute fréquence et à l’extraction insuffisante des informations clés, cet article propose un réseau léger de reconstruction de super-résolution d’image basé sur une attention fusionnée haute fréquence. Tout d’abord, un module d’amélioration à double voie est conçu dans la structure du réseau pour décomposer explicitement les caractéristiques en deux branches parallèles à haute et basse fréquence. La branche basse fréquence sert à capturer les structures lisses, tandis que la branche haute fréquence applique un filtre passe-haut apprenable initialisé par l’opérateur Laplacien pour extraire précisément les contours et les textures. Ensuite, un module de raffinement spatial est proposé, utilisant des convolutions à séparation directionnelle pour renforcer les caractéristiques locales et produire des requêtes (Query) riches en informations spatiales. Enfin, un mécanisme d’attention à perception fréquentielle asymétrique efficace est conçu pour obtenir une interaction efficace entre l’information locale et globale. Ce mécanisme utilise l’information locale en sortie du module de raffinement spatial comme requête et récupère dynamiquement des informations complémentaires à l’échelle globale, résolvant ainsi efficacement les limitations des fenêtres locales sur les dépendances à long terme. Les expériences sur le jeu de données Urban100 montrent que l’algorithme améliore en moyenne le PSNR de 0,53 dB et le SSIM de 0,0147 à l’échelle ×4 par rapport aux autres modèles, avec un temps de fonctionnement représentant seulement 14% de SwinIR. En termes de qualité visuelle de la reconstruction, le modèle peut générer des bords plus nets et des textures plus réalistes, validant pleinement l’efficacité et l’avancement du modèle dans le processus de reconstruction d’images tout en maintenant sa légèreté.

traitement d’image; reconstruction super-résolution; mécanisme d’attention; fusion de caractéristiques; léger