受井下粉尘大、照度低等环境影响，矿井图像存在分辨率低、细节模糊等问题，现有的图像超分辨率重建算法应用于矿井图像时，难以获取不同尺度图像信息、网络参数过大而影响重建速度，且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。提出一种基于多尺度密集通道注意力超分辨率生成对抗网络（SRGAN）的矿井图像超分辨率重建算法。设计了多尺度密集通道注意力残差块替代SRGAN原有的残差块，采用2路并行且卷积核大小不同的密集连接块，可充分获取图像特征；融入高效通道注意力模块，加强对高频信息的关注度；采用深度可分离卷积对网络进行轻量化，抑制网络参数的增加；利用纹理损失约束网络训练，避免网络加深时产生伪影。在井下数据集和公共数据集上对提出的矿井图像超分辨率重建算法和经典超分辨率重建算法BICUBIC，SRCNN，SRRESNET，SRGAN进行实验，结果表明：所提算法在主客观评价上总体优于对比算法；相较于SRGAN，所提算法的网络参数减少了2.54%，峰值信噪比与结构相似度分别提高了0.764 dB和0.053 58，能更好地关注图像的纹理、轮廓等细节信息，重建图像更符合人眼视觉。

0 引言
1 多尺度密集通道注意力SRGAN
1.1浅层特征提取模块
1.2 MDRCAN
1.2.1 ECA模块
1.2.2 DSC
1.3图像重建模块
1.4损失函数
2 实验与结果分析
2.1实验环境及所用数据集
2.2客观评价指标
2.3训练过程
2.4 实验结果与分析
2.4.1 客观评价结果分析
2.4.2 主观视觉分析
2.4.3 特征图可视化
2.4.4 公共测试集上的对比
2.5消融实验
3 结论