El método visual tradicional Mamba (VIM) aplana directamente las imágenes bidimensionales en un plano unidimensional, aunque puede obtener relaciones de dependencia a larga distancia, también perturba la estructura espacial local de los píxeles adyacentes en el plano bidimensional original, lo que impide capturar los detalles locales. Para este fin, presentamos en este artículo un modelo ligero de superresolución de imágenes en el espacio de estado completo y proponemos un bloque residuo completo en el espacio como bloque central. El bloque residuo completo en el espacio incluye principalmente dos módulos innovadores, en particular, primero introducimos una nueva estrategia de escaneo en cascada, estimulando la interacción de la información local, inter-escala y global, conservando las relaciones de dependencia global, permitiendo capturar eficazmente la información local, extrayendo a la perfección las características. En segundo lugar, proponemos un bloque de estado de espacio mixto, que puede interactuar simultáneamente con la información de píxeles desde dos dimensiones, limitando el impacto de características no relevantes en el modelo, para resaltar la correlación potencial entre el canal y el espacio. En comparación con otros métodos en los conjuntos de datos de prueba estándar Set14, Urban100, etc., el PMambaIR PSNR aumenta en promedio 0.11 dB. El análisis cuantitativo y cualitativo confirma de manera objetiva que este método presenta un valor de PSNR y SSIM más alto. La evaluación visual subjetiva muestra detalles más ricos y efectos visuales.

Superresolución de imagen; modelo de espacio de estado; modelo ligero; estrategia de escaneo en cascada