一种基于模块增强的快速超分辨率卷积神经网络模型

本发明公开了一种基于模块增强的快速超分辨率卷积神经网络模型，涉及图像处理技术领域，该模型在FSRCNN基础上进行模块增强，包括特征提取层、两个非线性映射块（含收缩、映射、扩展层及拼接操作）、拼接残差连接模块和反卷积层。通过二阶非线性映射块建模高阶图像退化过程，拼接密集连接保留浅层细节特征，残差跳跃连接缓解梯度消失问题，跨层特征拼接保留多尺度信息。参数配置为d=56，s=12，m=4，总参数量41K。训练时采用特定数据集、优化器、学习率策略及损失函数。实验表明，该模型在仅增加少量参数情况下，PSNR显著提升，相比同类轻量级模型参数量大幅减少，性能接近且效率更高，适用于多种超分场景。