既存の画像超解像アルゴリズムの計算コストが高く、局所の高周波テクスチャの認識が限定的であり、重要な情報抽出が不十分である問題に対して、本研究では高周波融合注意に基づく軽量画像超解像再構成ネットワークを提案する。まず、ネットワーク構造において特徴を高周波と低周波の2つの並列分岐に明示的にデカップリングする双方向強化モジュールを設計した。低周波分岐は滑らかな構造を捉えるために用いられ、高周波分岐はラプラシアン演算子で初期化された学習可能なハイパスフィルタを適用してエッジとテクスチャを正確に抽出する。次に、方向分離畳み込みを用いて局所特徴を強化し、豊富な空間情報を持つクエリ（Query）を出力する空間細化モジュールを提案した。最後に、局所情報と全局情報間の効果的な相互作用を実現する高効率非対称周波数認識注意機構を設計した。この機構は空間細化モジュールの出力する局所情報をクエリとし、全局的に補完情報を動的に検索し、局所ウィンドウの長距離依存制限問題を効果的に解決する。Urban100データセットでの実験により、本アルゴリズムは×4拡大スケールにおいて他モデルと比較して平均PSNRが0.53dB、SSIMが0.0147向上し、実行時間はSwinIRの14％のみであることが示された。画像再構成の視覚的品質において、モデルはより鮮明なエッジとよりリアルなテクスチャを生成可能であり、軽量性を維持しつつ画像再構成プロセスにおけるモデルの有効性と先進性を十分に検証した。

画像処理;超解像再構成;注意機構;特徴融合;軽量