基于通道注意力机制的视频超分辨率方法

基于视频帧间信息特征，提出了基于通道注意力机制的循环残差注意力网络，将连续的低分辨率视频帧、前一时刻输出帧和隐藏态作为输入进行特征提取，在隐藏态中引入残差连接和注意力机制，增强网络特征提取能力，经过亚像素卷积层重建出高分辨率视频帧。然后将本视频超分辨率网络模型在Vid4、UDM10、SPMCS视频数据集进行了测试。实验结果表明，与其他基于深度学习的视频超分辨率方法相比，本方法能利用帧间特征信息较好地恢复高频特征信息，恢复的视频图像PSNR和SSIM值都比其他主流方法要高，同时取得了较好的主观视觉效果。