控制与决策

作者：江鹤,顾豪,郑州,乙夫迪,王子强,程德强

单位：中国矿业大学 信息与控制工程学院，江苏 徐州 221116,,中国矿业大学 信息与控制工程学院，江苏 徐州 221116,,中国矿业大学 信息与控制工程学院，江苏 徐州 221116,,中国矿业大学 信息与控制工程学院，江苏 徐州 221116,,中国矿业大学 信息与控制工程学院，江苏 徐州 221116,,中国矿业大学 信息与控制工程学院，江苏 徐州 221116,

关键词：超分辨率;轻量级;高频信息调制;自调制;互调制;频域注意力机制

基金：国家自然科学基金项目(52304182,52204177)；国家重点研发计划项目(2023YFC2907600, 2021YFC2902701, 2021YFC2902702)；徐州市科技成果转化项目(KC23369).

在图像超分辨率领域, 高频信息的精确度和重建图像的清晰度密切相关. 目前主流模型多依赖于稠密连接或简单串行的模块堆叠方法来提取高频信息, 并借助空域注意力机制来优化图像的重建. 这种方法虽然有一定的效果, 但不可避免地会造成高频信息的冗余或重建图像精度不足的情况. 为此, 引入一种基于高频信息调制的图像超分辨率网络. 该网络巧妙地融合了自调制和互调制策略, 以优化图像的重建流程. 自调制模块集成了多尺度采样网络与高频引导的空间注意力机制, 有效滤除了冗余信息, 并同步校准了空域与频域的信息. 而互调制模块则通过构建自调制信息之间的非线性映射关系, 进一步提升了高频信息的准确性. 经过一系列实验验证, 所提出的模型与当前流行的模型相比, 不仅在量化指标上表现出色, 保持了参数的轻量化, 同时具有出色的视觉效果, 充分表明了其在图像超分辨重建方面的优越性.

来源：2026年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第1期