Существующие методы сверхразрешения одиночных изображений на основе вероятностной модели диффузии имеют недостатки в извлечении пространственной информации, недостаточно используют релевантную информацию и имеют избыточные вычисления. В данной статье разработан метод сверхразрешения одиночного изображения с интеграцией многомерной сети внимания. Во-первых, на основе диффузионной модели SRDiff предложено многомерное внимание, объединяющее внимательность по каналам, самовнимание и пространственное внимание, что повышает способность модели захватывать признаки на разных масштабах и сохранять больше деталей и лучшую глобальную согласованность при восстановлении высокоразрешенного изображения. Во-вторых, введена частичная свертка (PConv) для точного извлечения пространственных признаков изображения, улучшая качество сверхразрешения и значительно снижая вычислительные затраты, что повышает эффективность работы модели. При коэффициенте увеличения 4 метод сравнивали с другими на 5 тестовых наборах, результаты показали, что метод улучшил среднее значение PSNR на 0,762 дБ и среднее значение SSIM на 0,082 по сравнению с альтернативными методами. Предложенный метод субъективно обладает более тонкими деталями и лучшими визуальными эффектами, а объективно — более высоким значением PSNR и SSIM.

сверхразрешение; модель диффузии; многомерная сеть внимания; частичная свертка