The present invention relates to an image super-resolution method based on channel attention mechanism and multi-layer feature fusion. At the beginning of residual branch, the original features of low-resolution images are extracted directly by using single-layer convolution layer based on depth learning; six cascaded convolution cycle units based on channel attention mechanism and multi-layer feature fusion are used to extract accurate depth features; and deconvolution is used to extract accurate depth features. Depth feature is sampled up by product layer, and the dimension of the sampled feature is reduced by single convolution layer to obtain high resolution image residuals. In the mapping branch, low resolution image is sampled up by bicubic interpolation method to obtain high resolution image mapping. The final high resolution image is obtained by adding the mapping and residuals of high resolution image pixels by pixels. The invention has reasonable design, fully takes into account the differences between characteristic channels, efficiently utilizes the hierarchical characteristics, achieves a higher accuracy, and maintains a faster operation speed.
【技术实现步骤摘要】
基于通道注意力机制和多层特征融合的图像超分辨率方法
本专利技术属于计算机视觉图像
,尤其是一种基于通道注意力机制和多层特征融合的图像超分辨率方法。
技术介绍
随着科学技术的进步,在人们的日常生活中出现了越来越多的图像分辨率格式,从“标清”(StandardDefinition)发展到“高清”(HighDefinition),进而发展到目前常见的“1080p”、“2K”甚至“4K”等等。更高的分辨率意味着包括更多的图像细节,进而意味着可能存在更大的信息量,更大的信息量蕴含更大的应用潜能。然而,在现实世界中,一方面受成像设备物理性能的限制,人们无法获取高分辨率图像;另一方面,在互联网应用中,受网络带宽、存储介质容量等的限制,用户只能存储、传输分辨率相对较低的图像。而实际上,在多数情况下,人们往往希望获得更高分辨率的图像。因此,如何高效地提高图像分辨率,进而提高图像的质量,是计算机视觉领域的一个重要的研究课题。图像超分辨率技术(Super-Resolution)是指从观测到的低分辨率图像重建出相应的高分辨率图像,是从软件的角度解决图像分辨率提升问题的重要技术手段。图像的超分辨率重建为使计算机能够更好地观察、分析、处理图片提供重要的技术支持,在高清晰度电视、医学影像、卫星成像、监控系统等很多领域都具有非常重要的应用价值。传统提高图像分辨率的常用方法之一是插值法,包括双线性插值法、双三次插值法等。插值法容易实现,但是重建出的像素点和其周围的像素点之间存在区域相似性,使得利用插值法可以生成良好的平滑图像,但不能充分重建图像的边缘区域。一些图像细节可能会因此而丢失 ...
【技术保护点】
1.一种基于通道注意力机制和多层特征融合的图像超分辨率方法,其特征在于包括以下步骤:步骤1、在残差支路开头,使用基于深度学习的单层卷积层直接提取低分辨率图像的原始特征;步骤2、使用六个级联的基于通道注意力机制和多层特征融合的卷积循环单元来提取精确的深度特征;步骤3、通过反卷积层对深度特征进行上采样,并且使用单层卷积层对上采样的特征进行降维,得到高分辨率图像的残差;步骤4、在映射支路,使用双三次插值方法对低分辨图像进行上采样,得到高分辨率图像的映射;步骤5、将高分辨率图像的映射和残差逐像素相加得到最终的高分辨率图像。
【技术特征摘要】
1.一种基于通道注意力机制和多层特征融合的图像超分辨率方法,其特征在于包括以下步骤:步骤1、在残差支路开头,使用基于深度学习的单层卷积层直接提取低分辨率图像的原始特征;步骤2、使用六个级联的基于通道注意力机制和多层特征融合的卷积循环单元来提取精确的深度特征;步骤3、通过反卷积层对深度特征进行上采样,并且使用单层卷积层对上采样的特征进行降维,得到高分辨率图像的残差;步骤4、在映射支路,使用双三次插值方法对低分辨图像进行上采样,得到高分辨率图像的映射;步骤5、将高分辨率图像的映射和残差逐像素相加得到最终的高分辨率图像。2.根据权利要求1所述的基于通道注意力机制和多层特征融合的图像超分辨率方法,其特征在于:所述单层卷积层的尺寸为3×3×64。3.根据权利要求1所述的基于通道注意力机制和多层特征融合的图像超分辨率方法,其特征在于:所述步骤2的具体实现方法包括以下步骤:(1)在卷积循环单元的开头,通过通道注意力机制来自适应地重新校准输入的特征Uk-1,得到校准后的起始特征RO,其中,k=1,...,6;(2)通过前两个串联的卷积层来提取更深层特征,然后...
【专利技术属性】
技术研发人员:卢越,解伟,郭晓强,姜竹青,门爱东,
申请(专利权)人:国家新闻出版广电总局广播科学研究院,北京邮电大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。