原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机科学与探索1673-9418/2025/19(05)-1252-12
JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2403065
增强退化表征学习的盲图像超分辨率
袁江，马冀，周登文+
华北电力大学控制与计算机工程学院，北京102206
+通信作者E-mail:zdw@
摘要：大多数基于卷积神经网络的超分辨率（SR）方法，退化假设是固定且已知的（如双三次退化）。将它们应用
在真实世界退化图像时，实际退化与假设不匹配会使得SR方法性能显著下降。为解决退化不匹配时SR方法性
能下降问题，提出一种新的盲SR方法，它可以无监督地学习退化图像的退化信息，并使用学习的退化信息有效地
调制SR网络。基于对比学习设计了一种无监督的隐式退化表征学习方法，不依赖负样本队列即可提取出准确的
退化信息，并提出将经过同一退化的不同图片作为正样本对，克服了图片内容相似性对学习退化的影响，有效提
升了隐式退化估计器的表达能力。设计了一个包含全局调制块和通道融合调制块的退化引导调制超分辨率网
络，它和退化信息结合可以灵活处理各种退化，以实现最终的SR恢复。实验在四个标准数据集上与多种代表性
方法进行了比较，结果显示在×2、×3和×4三种不同放大倍数情形下，在Urban100数据集上比基线模型（DASR）的
PSNR分别提高0.85dB、0.87dB和0.32dB。最终提取的退化表征信息质量和重建出的SR图像比DASR均有较大
提升。
关键词：超分辨率；对比学习；退化特征学习；退化特征调制
文献标志码：A中图分类号：TP391
BoostingDegradationRepresentationLearningforBlindImageSuper-Resolution
YUANJiang,MAJi,ZHOUDengwen+
SchoolofControlandComputerEngineering,NorthChinaElectricPowerUniversity,Beijing102206,China
Abstract:Inmostconvolutionalneuralnetworks-basedsuper-resolution(SR)methods,thedegradationassumptionsare
fixedandknown(e.g.,bicubicdegradation).Whenapplyingthemtoreal-worlddegradedimages,themismatchbetween
theactualdegradationandtheassumptionscansignificantlydegradetheperformanceofSRmethods.Tosolvetheproblem
ofSRmethodperformancedegradationwhendegradationmismatchoccurs,anewblindSRmethodisproposed,which
canunsupervisedlylearnthedegradationinformationofdegradedimagesandusethelearneddegradationinformation
toefficientlymodulatetheSRnetwork.Firstly,anunsupervisedimplicitdegradationrepresentationlearningmethodis
designedbasedoncontrastivelearning,whichcanextractaccuratedegradationinformationwithoutrelyingonsample
queues.Itisalsoproposedtousedifferentimagesthathavegone
文档评论（0）