Существующие методы восстановления изображений суперразрешения по одному кадру, основанные на модели распространения вероятности, имеют недостатки в извлечении пространственной информации о функциях, которые не удается полностью раскрыть связанную информацию, и одновременно присутствует излишняя явление в расчётном процессе. В данной работе разработан метод восстановления изображений суперразрешения по одному кадру, в который внедрена многомерная сеть внимания. Во-первых, на основе текущей модели диффузии SRDiff предложено многомерное внимание, которое объединяет канальное внимание, аутовнимание и пространственное внимание, увеличивая способность модели захватывать признаки различных масштабов, обеспечивая восстановление изображений с высоким разрешением с одновременным сохранением большего количества деталей и лучшей общей согласованности. Во-вторых, введено частичное свёртывание PConv, точное извлечение пространственной информации изображения, улучшение качества результатов суперразрешения, значительное снижение вычислительной нагрузки, таким образом, увеличение эффективности работы модели. При коэффициенте увеличения в 4 условиях, проведено сравнение нашего метода с другими методами на 5 испытательных наборах, и результаты показали, что пиковое отношение сигнал/шум нашего метода увеличилось на 0,762 дБ по сравнению со средним значением других сравниваемых методов, а структурная схожесть увеличилась на 0,082 по сравнению со средним значением других сравниваемых методов. Наш предложенный метод субъективно обладает более мелкими деталями и лучшим зрительным эффектом и объективно имеет более высокое значение пикового отношения сигнал/шум и структурной схожести.

Суперразрешение; модель диффузии; многомерная сеть внимания; частичное свёртывание