【技术实现步骤摘要】
一种基于多尺度注意级联网络的图像超分辨率重建方法
本专利技术属于图像修复领域,涉及图像超分辨率重建方法,具体为一种基于多尺度注意级联网络的图像超分辨率重建方法。
技术介绍
单图像超分辨率重建(SISR)最近受到了广泛的关注。一般来说,SISR的目的是从低分辨率(LR)输入中产生视觉高分辨率(HR)输出。然而,整个过程却完全不可逆,因为LR和HR之间的映射有多个解决方案。因此,提出了大量的图像超分辨率重建(SR)方法,从早期基于插值的方法和基于模型的方法,到最近基于深度学习的方法。基于插值的方法简单而快速,但是因为图像质量差无法更广泛的应用。对于更灵活的SR方法,通过利用强大的图像先验,如非局部相似度,提出了更先进的基于模型的方法和稀疏矩阵的方法,虽然这种基于模型的方法可以灵活地产生相对高质量的HR图像,但它们仍然有一些缺点:1)这样的方法经常涉及一个耗时的优化过程;2)当图像统计从图像上发生偏置时,重建性能可能会迅速降低。目前,卷积神经网络(CNNs)已经表明,它们可以在SISR问题中提供显著的性能。但现有的 ...
【技术保护点】
1.一种基于多尺度注意级联网络的图像超分辨率重建方法,其特征在于,包括以下步骤:/n步骤1)将低分辨率图像I
【技术特征摘要】
1.一种基于多尺度注意级联网络的图像超分辨率重建方法,其特征在于,包括以下步骤:
步骤1)将低分辨率图像ILR作为多尺度注意级联网络的输入,对ILR进行一个卷积操作,提取浅层特征F0;
步骤2)将浅层特征F0输入由n个多尺度注意块构成的特征提取子网,将子网中每个多尺度注意块输出的特征进行级联,获得级联特征Fc;
步骤3)将级联特征Fc通过一个卷积核为1的卷积层,获得优化的特征向量Fd,优化后的特征向量Fd可以更有效、直观地进行数据的训练和特征提取,具体表示如下:
Fd=Conv1×1(Fc)
其中,Conv1×1(·)表示卷积核为1的卷积操作;
步骤4)将优化的特征向量Fd输入图像深度学习上采样模块中,获得重建图像
步骤5)对低分辨率图像ILR采用双三次线性插值算法获得重建图像将和进行融合,获得最终的重建图像ISR,具体如下:
2.根据权利要求1所述的一种基于多尺度注意级联网络的图像超分辨率重建方法,其特征在于:步骤2所述的特征提取子网由n个多尺度注意块组成,其中,第i个多尺度注意块,其输入为前一个多尺度注意块的特征输出Fi-1,输出特征为Fi;
进一步,所述的每个多尺度注意块由U形结构模块、瓶颈层结构模块和残差模块三部分组成;
对于第i个多尺度注意块中的U形结构模块,其输入为前一个多尺度注意块的输出特征Fi-1,通过U形结构模块的处理后,得到特征Fi,0;
对于第i个多尺度注意块中的瓶颈层结构模块,该瓶颈层结构模块由两个瓶颈层串联构成;前一个多尺度注意块的输出特征Fi-1输入第一瓶颈层,第一瓶颈层的输出输入第二瓶颈层,第二瓶颈层同时接收该多尺度注意块中U形结构模块的输出特征Fi,0,经过上述过程得到瓶颈层结构模块的输出特征Fi,2;
对于第i个多尺度注意块中的残差模块具体为:将前一个多尺度注意块的输出特征Fi-1和瓶颈层结构的输出特征Fi,2逐点相加,得到特征Fi。
3.根据权利要求2所述的一种基于多尺度注意级联网络的图像超分辨率重建方法,其特征在于:
所述的U形结构模块由非局部均值、3×3卷积、5×5卷积、7×7卷积、注意力机制、5×5卷积、3×3卷积、非局部均值串联构成;其中,两个3×3卷积之间含有一个Concat层;两个5×5卷积卷积之间含有一个Concat层;第一个5×5卷积的输入为第一个非局部均值的输出与第一个3×3...
【专利技术属性】
技术研发人员:付利华,李宗刚,张博,陈辉,赵茹,
申请(专利权)人:北京工业大学,
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。