【技术实现步骤摘要】
基于注意力的多尺度残差注意网络图像超分辨率重建方法
本专利技术属于图像超分辨率重建
，具体涉及一种基于注意力的多尺度残差注意网络图像超分辨率重建方法。
技术介绍
图像超分辨率重建是一种利用输入图像为低分辨率图像来产生高分辨率输出图像的技术。图像超分辨率重建应用领域涉及图像处理领域，在军事，计算机视觉，医学诊断，公共安全和卫星图像等方面都存在着重要的应用前景。目前应用于图像超分辨率重建算法主要可分为:基于插值的方法、基于重建的方法和基于学习的方法。基于插值方法，常见插值法为最近邻插值法、双线性插值法和双三次插值法。它们是利用输入的单幅低分辨率图像相邻像素之间的相关性，采用数学插值原理来求解未知点的像素，进而重建出一幅高分辨率图像。但基于插值的方法没有充分考虑图像全局信息，同时重建出的高分辨率图像过于平滑，失去了图像大部分细节，重建出的高分辨率图像灰度剧烈变化处产生的震荡，图像细节恢复效果差，边缘效应严重，尤其是高频信息严重丢失。基于重建的方法根据低分辨率图像与高分辨率图像之间的配准对应关系，得出高...
【技术保护点】
1.一种基于注意力的多尺度残差注意网络图像超分辨率重建方法，其特征在于，包括以下步骤：/n选取公共图像数据集作为待实验图像集，并将所述待实验图像集按一定比例划分图像训练集和图像测试集，进行图像预处理操作；/n设计多尺度残差结构单元模块，并引入通道注意力机制，搭建基于通道注意力的多尺度残差注意神经网络模型；/n将预处理后的所述图像训练集输入到所述基于通道注意力的多尺度残差注意神经网络模型中进行模型训练，获得训练好的基于通道注意力的多尺度残差注意神经网络模型；/n将预处理后的所述图像测试集输入到训练好的基于通道注意力的多尺度残差注意神经网络模型中进行测试，得到最终重建的高分辨率图像。/n
【技术特征摘要】
1.一种基于注意力的多尺度残差注意网络图像超分辨率重建方法，其特征在于，包括以下步骤：
选取公共图像数据集作为待实验图像集，并将所述待实验图像集按一定比例划分图像训练集和图像测试集，进行图像预处理操作；
设计多尺度残差结构单元模块，并引入通道注意力机制，搭建基于通道注意力的多尺度残差注意神经网络模型；
将预处理后的所述图像训练集输入到所述基于通道注意力的多尺度残差注意神经网络模型中进行模型训练，获得训练好的基于通道注意力的多尺度残差注意神经网络模型；
将预处理后的所述图像测试集输入到训练好的基于通道注意力的多尺度残差注意神经网络模型中进行测试，得到最终重建的高分辨率图像。
2.根据权利要求1所述的基于注意力的多尺度残差注意网络图像超分辨率重建方法，其特征在于，所述选取公共图像数据集作为待实验图像集，并将所述待实验图像集按一定比例划分图像训练集和图像测试集，进行图像预处理操作的方法包括：
采用DIV2K数据集作为实验的图像集，将多张高分辨率图像中随机选取N张图片作为实验训练集，剩下M张作为实验测试集；分别对实验训练集和测试集进行以降采样因子k的双三次插值法对原始高分辨率图像降采样，得到对应的LR实验训练集和LR实验测试集，其中，k＝2,3,4，表征图像缩小2，3，4倍；
将所述LR实验训练集裁剪为尺寸大小为ILR×ILR，所述LR实验训练集对应的高分辨率图像裁剪为尺寸大小为IHR×IHR，裁剪出的LR图像与HR图像尺寸大小满足关系式IHR×IHR＝kILR×kILR，所述LR图像和所述HR图像的实际图像张量大小分别为H*W*C和kH*kW*C；
将裁剪得到的所述LR实验训练集作为训练网络的输入标签，将裁剪得到的所述HR图像块数据集作为训练网络的数据标签。
3.根据权利要求2所述的基于注意力的多尺度残差注意网络图像超分辨率重建方法，其特征在于，所述设计多尺度残差结构单元模块，并引入通道注意力机制，搭建基于通道...
【专利技术属性】
技术研发人员：谌贵辉，陈伍，李忠兵，谌杰睿，易欣，彭姣，赵茂君，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51
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。