O método tradicional Mamba visual (VIM) aplana diretamente uma imagem espacial bidimensional em um plano unidimensional. Embora este método consiga capturar dependências de longo alcance, também desfaz a estrutura espacial local dos pixels adjacentes no plano bidimensional original, impedindo a captura de detalhes locais. Para isso, este artigo introduz um modelo leve de super-resolução baseado em modelo de espaço de estados omnidirecional (PMambaIR) e propõe o grupo espacial omni-direcional residual como bloco central. O grupo espacial omni-direcional residual contém principalmente dois módulos inovadores. Especificamente, primeiro introduzimos uma nova estratégia de varredura em cascata, promovendo a interação entre informações locais, informações multidimensionais e informações globais, permitindo capturar efetivamente informações locais ao manter a dependência global, assim realizando a extração de características omnidirecional. Em seguida, propomos um bloco híbrido de espaço de estados, que pode modelar simultaneamente a interação das informações dos pixels nas dimensões espacial e de canal, limitando o impacto de características irrelevantes no modelo, explorando assim a correlação latente entre informações globais de canais e espaço. Resultados comparativos com outros métodos em conjuntos de dados de referência como Set14 e Urban100 mostram que o PSNR do PMambaIR aumentou em média 0,11 dB em relação aos modelos existentes. Análises quantitativas e qualitativas objetivas validam que este método possui PSNR e SSIM mais altos. Resultados subjetivos em imagens experimentais indicam que este método apresenta detalhes ricos e efeitos visuais.

super-resolução de imagens; modelo de espaço de estados; modelo leve; estratégia de varredura em cascata