图像重构方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像重构方法、装置、计算机设备和存储介质。所述方法包括：对初始待重构图像进行多方向递归算法处理得到目标图像，并将目标图像输入图像重构模型中的注意力模型得到注意力权重图，进而将初始待重构图像输入图像重构模型中的特征提取模型得到目标特征图，从而根据目标特征图和注意力权重图，得到重构图像，其中，重构图像的分辨率大于初始待重构图像的分辨率。采用本方法能够不但能够重构出更高分辨率的图像，而且能够保证重构出的更高分辨率的图像的质量。的更高分辨率的图像的质量。的更高分辨率的图像的质量。

【技术实现步骤摘要】
图像重构方法、装置、计算机设备和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种图像重构方法、装置、计算机设备和存储介质。

技术介绍

[0002]单幅图像超分辨率重构是指将给定的低分辨率图像经过特定的算法恢复成相应高分辨率图像，即从给定的低分辨率图像中重构出高分辨率图像的过程。
[0003]由于图像的分辨率越高，其提供的图像信息越丰富，因此，单幅图像超分辨率重构便于后续的计算机视觉处理任务以及决策的制定，并广泛应用于图像增强、视频监督、人脸识别等领域。
[0004]故而，单幅图像超分辨率的重构是本领域人员的重点研究内容。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种不但能够重构出更高分辨率的图像，而且能够保证重构出的更高分辨率的图像的质量的图像重构方法、装置、计算机设备和存储介质。
[0006]第一方面，本申请提供了一种图像重构方法。所述方法包括：
[0007]对初始待重构图像进行多方向递归算法处理得到目标图像；
[0008]将该目标图像输入图像重构模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像重构方法，其特征在于，所述方法包括：对初始待重构图像进行多方向递归算法处理得到目标图像；将所述目标图像输入图像重构模型中的注意力模型得到注意力权重图；将所述初始待重构图像输入所述图像重构模型中的特征提取模型得到目标特征图；根据所述目标特征图和所述注意力权重图，得到重构图像，其中，所述重构图像的分辨率大于所述初始待重构图像的分辨率。2.根据权利要求1所述的方法，其特征在于，所述特征提取模型包括下采样网络和上采样网络；所述将所述初始待重构图像输入所述图像重构模型中的特征提取模型得到目标特征图，包括：将所述初始待重构图像输入所述下采样网络，得到第一尺度的第一特征图；根据所述第一特征图和所述上采样网络，得到所述目标特征图，其中，所述目标特征图的尺度等于所述初始待重构图像的尺度。3.根据权利要求2所述的方法，其特征在于，所述下采样网络包括多个级联连接的下采样模块，所述下采样模块包括第一特征提取层和与所述第一特征提取层连接的下采样层；所述将所述初始待重构图像输入所述下采样网络，得到第一尺度的第一特征图，包括：将所述初始待重构图像输入所述下采样网络，以由各所述下采样模块根据所述初始待重构图像进行下采样处理，得到各所述下采样模块输出的第二尺度的第二特征图；根据最后一个下采样模块输出的第二尺度的第二特征图，得到所述第一尺度的第一特征图，其中，所述最后一个下采样模块输出的第二特征图的第二尺度等于所述第一尺度。4.根据权利要求3所述的方法，其特征在于，所述上采样网络包括多个上采样模块，所述上采样模块包括上采样层和与所述上采样层连接的融合层，各所述上采样模块对应一个所述下采样模块；所述根据所述第一特征图和所述上采样网络，得到所述目标特征图，包括：将所述第一特征图输入所述上采样网络，以由各所述上采样模块根据所述第一特征图进行上采样处理，得到各所述上采样模块输出的第三尺度的第三特征图；根据各所述第三特征图、各所述第二特征图、第一个下采样模块中特征提取层输出的特征图以及各所述上采样模块中的融合层，得到所述目标特征图；其中，所述融合层用于将对应的上采样层输...

【专利技术属性】
技术研发人员：田赛赛，彭正强，侯成龙，苏喆，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：