基于隐式神经表示的超分辨率图像重建方法

本申请提供了一种基于隐式神经表示的超分辨率图像重建方法。通过分离重建高频分量与低频分量，利用连续上采样模块专注于高频细节的生成，同时采用插值上采样保留图像的低频基础信息，最后通过分量叠加实现融合。该设计有效克服了传统隐式神经表示中多层感知机偏向学习低频内容而忽略高频细节的缺陷，确保重建图像在任意预设尺度下均能保持清晰的纹理结构和边缘完整性。通过高低频分量的独立处理机制，显著抑制了大尺度因子下的结构失真问题，在提升图像视觉质量的同时，维持了单模型自适应任意尺度的优势，降低了多模型训练的存储与计算成本。