基于多尺度残差特征融合的图像超分辨率重建方法技术

本发明专利技术提供的一种基于多尺度残差特征融合的图像超分辨率重建方法，包括：对图像进行预处理获得高

【技术实现步骤摘要】
基于多尺度残差特征融合的图像超分辨率重建方法


[0001]本专利技术涉及一种图像处理方法，尤其涉及一种基于多尺度残差特征融合的图像超分辨率重建方法。

技术介绍

[0002]现有超分辨率网络均是在公共数据集上通过已知模糊核等固定退化方法来生成高
‑
低分辨率图像对，这会使得超分辨率重建网络的泛用性不佳，无法应用在现实生活中，因此，基于真实图像的图像超分辨率重建成为了目前的研究热点。此外，基于真实图像的超分辨率重建算法均存在参数量巨大的缺点，虽然巨大的参数量可以保证算法的重建性能，但是不利于算法的部署与应用。
[0003]因此，为了解决上述技术问题，亟需提出一种新的技术手段。

技术实现思路

[0004]有鉴于此，本专利技术的目的是提供一种基于多尺度残差特征融合的图像超分辨率重建方法，能够有效的对真实图像进行修复，确保本专利技术方法的泛用性，同时在保证本专利技术方法重建性能的前提下大幅度降低算法的参数来实现轻量化。
[0005]本专利技术提供的一种基于多尺度残差特征融合的图像超分辨率重建方法，包括以下步本文档来自技高网...

【技术保护点】

【技术特征摘要】
卷积进行降维，使得输出特征图F
n
通道数与F
n
‑1一致。3.根据权利要求2所述基于多尺度残差特征融合的图像超分辨率重建方法，其特征在于：步骤S3中，残差特征融合模块基于如下公式执行：F1＝MSDSB1(M
n
‑1)；M'＝F1+M
n
‑1；F2＝MSDSB2(M')；M'
←
F2+M'；F3＝MSDSB3(M')；M'
←
F3+M'；F4＝MSDSB4(M')；M
n
＝M
n
'+M
n
‑1；其中：MSDSB表示步骤S2中所构建的特征提取模块；M'表示残差特征融合模块中的中间特征，在模块的执行过程中会不断更新；F表示每一个特征提取模块的输出特征图，其下标表示该特征图来自于第几个特征提取模块；残差特征融合处理过程为：输入特征图M
n
‑1首先经过第一个特征提取模块以获得其输出特征图F1；将特征图F1与输入特征图相加获得中间特征M'；依次使用第二、三个特征提取模块依次对中间特征M'执行特征提取操作获得特征图F2和F3，并使用残差连接将特征图与M'相加以更新中间特征M'；采用第四个特征提取模块对中间特征M'进行特征提取获得第四个特征图F4；将特征图F1至特征图F4沿通道维度级联，并通过1
×
1卷积进行融合并降低通道数获得残差特征图M
n
'；将输入特征图与残差特征图相加，获得输出特征图M
n
。4.根据权利要求3所述基于多尺度残差特征融合的图像超分辨率重建方法，其特征在于：步骤S4中，增强型注意力模块基于如下公式执行：M
c
'＝vec(GAP(M
n
))；M
c
＝Sigmoid(W2*σ(W1*M
...

【专利技术属性】
技术研发人员：吕佳，许鹏程，
申请(专利权)人：重庆师范大学，
类型：发明
国别省市：