기존 이미지 초해상도 알고리즘의 높은 계산 비용, 국부 고주파 텍스처 인식의 제한, 핵심 정보 추출의 불충분 문제를 해결하기 위해, 본 논문에서는 고주파 융합 주의 기반 경량 이미지 초해상도 복원 네트워크를 제안한다. 먼저, 네트워크 구조 내에 특성을 고주파 및 저주파 병렬 분기로 명시적으로 분리하는 이중 경로 강화 모듈을 설계하였다. 저주파 분기는 부드러운 구조를 포착하는 데 사용되고, 고주파 분기는 라플라스 연산자로 초기화된 학습 가능한 고역 통과 필터를 적용하여 가장자리와 텍스처를 정확히 추출한다. 둘째, 방향 분리 합성곱을 이용하여 국부 특징을 강화하고 풍부한 공간 정보를 가진 쿼리(Query)를 출력하는 공간 세밀화 모듈을 제안하였다. 마지막으로 국부 정보와 전역 정보 간의 효율적인 상호작용을 위한 효율적인 비대칭 주파수 인식 주의 메커니즘을 설계하였다. 이 메커니즘은 공간 세밀화 모듈 출력의 국부 정보를 쿼리로 사용하며, 전역 범위 내에서 보완 정보를 동적으로 검색하여 국부 창의 장기 의존성 제한 문제를 효과적으로 해결한다. Urban100 데이터셋에서의 실험 결과, 본 알고리즘은 ×4 확대 비율에서 다른 모델 대비 평균 PSNR 0.53 dB, SSIM 0.0147 상승을 보였으며, 실행 시간은 SwinIR의 14%에 불과하다. 이미지 복원 시각 품질 측면에서 본 모델은 더 선명한 가장자리와 더욱 사실적인 텍스처를 생성할 수 있어, 경량화를 유지하면서 이미지 복원 과정에서 모델의 효율성과 진보성을 충분히 검증하였다.

이미지 처리; 초해상도 복원; 주의 메커니즘; 특징 융합; 경량