基于Transformer的方法在提取全局上下文方面表现优异,并且在单图像超分辨率(SISR)方面拥有显著的效果。由于Transformer的主要功能是捕获全局特征,这使得它更注重于捕获低频信息,从而忽略了对于高频特征的提取。对此提出了解决方案:多频特征聚合网络(MFAN),集成了卷积和Transformer结构的优势。该网络由三个重要模块组成:用于提取全局上下文的耦合自注意Transformer(CSAT),用于提取并增强高频信息的高频增强模块(HFEM),以及用于细化全局特征的细化融合模块(RFM)。通过实验得知,与其他的SR方法相比,本文提出的多频特征聚合网络显著提高了视觉效果和图像质量。