计算机工程与应用

作者：梁铮, 吴越, 杨雨晴, 李骐骋, 邓红霞

单位：太原理工大学 计算机科学与技术学院，太原 030024；

关键词：图像超分辨率,空间感知优化,深度结构,深度图像监督

基金：山西省中央引导地方科技发展资金项目（YDZJSX2022A016）；山西省重点研发计划项目（2022ZDYF128）。

传统超分辨率技术依赖单一低分辨率RGB图像进行重建，但在复杂场景下常面临细节保留和深度结构重建的挑战，导致高分辨率图像过度平滑，无法精确恢复三维空间结构信息，限制了其在三维重建领域的应用。为此，提出了一种深度图像监督与空间感知优化的图像超分辨率网络DPSR（deep perceptual super resolution），通过引入深度图像监督与空间感知优化，精确提取图像的深度空间几何关系，有效避免边缘区域过度平滑化，突出图像的远近关系和空间结构，显著增强视觉真实感和细节表现力。模型基于GAN架构，在训练中使用高分辨率图像对应深度图作为额外先验信息进行监督，并设计深度一致性损失函数来确保模型可以学习到图像的深度结构和空间信息。此外，提出深度感知注意力模块DPAB（depth perceptive attention block），进一步提升模型对不同区域特征的感知能力。实验结果表明，该方法在Urban100等三个基准数据集上优于其他先进算法，为真实世界图像超分辨率任务提供了新思路，具有广泛的应用前景。

来源：2026年第7期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第7期