【技术实现步骤摘要】
一种图像超分辨率重建方法
[0001]本专利技术属于图像处理
，尤其涉及一种图像超分辨率重建方法。
技术介绍
[0002]图像超分辨率重建技术是计算机视觉领域的热点研究方向之一，在视频监控、医学图像、视频感知等诸多领域有着广泛的应用价值。其概念是将低分辨率图像经过特定的算法重建为所需的高分辨率图像。在许多其他计算机视觉任务，如图像分割、目标检测等均可通过图像超分辨率重建技术进一步提升识别能力和识别精度。随着近年来深度学习技术的发展，使用卷积神经网络方法对图像特征的提取具有显著优势，对图像超分辨率重建任务中也取得了长足的进步，提出了很多高效算法以解决不同尺度图像的重建问题，但现有网络模型仍然存在模型参数量大、重建图像伪影严重、局部细节分辨率低等问题，因此图像超分辨率重建技术的研究仍然是一项艰巨的任务。
技术实现思路
[0003]为了解决现有技术存在的问题，本专利技术提供一种图像超分辨率重建方法，能够进行图像超分辨率重建。
[0004]本专利技术所要解决的技术问题是通过以下技术方案实现的：
...
【技术保护点】
【技术特征摘要】
1.一种图像超分辨率重建方法，其特征在于，包括：获取训练数据集并对训练数据集进行增广处理；构建图像超分辨率重建网络模型；通过增广处理后的训练数据集对构建好的图像超分辨率重建网络模型进行训练；将待重建的图像输入训练好的图像超分辨率重建网络模型f得到重建的超分辨率图像；其中，所述图像超分辨率重建网络模型包括浅层特征提取模块、非局部对比增强残差组模块、上采样模块以及重构模块；所述浅层特征提取模块用于对增广后的训练数据集进行浅层特征提取，得到浅层图像特征图F0；所述非局部对比增强残差组模块用于根据浅层图像特征图F0得到图像深度特征输出F
DF
；所述上采样模块用于对图像深度特征输出F
DF
进行上采样，得到上采样特征图，记作F
↑
；所述重构模块用于根据对上采样特征图F
↑
进行重构，得到重建的高分辨率图像，记作x
SR
。2.根据权利要求1所述的一种图像超分辨率重建方法，其特征在于，所述图像超分辨率重建网络模型还包括自适应目标生成模块，用于生成自适应目标对训练好的图像超分辨率重建网络模型f继续训练得到最终的图像超分辨率重建网络模型F；将待重构的图像输入最终的图像超分辨率重建网络模型F得到最终的高分辨率重建图像，记作F(x
LR
)。3.根据权利要求1所述的一种图像超分辨率重建方法，其特征在于，所述非局部对比增强残差组模块包括两个非局部对比注意力模块和一个二阶注意力共享源残差组模块；其中一个非局部对比注意力模块用于根据浅层图像特征图F0得到非局部注意力特征图如下式(1)、(2)、(3)所示：如下式(1)、(2)、(3)所示：如下式(1)、(2)、(3)所示：其中，q为放大因子，Q、K和V分别表示对浅层图像特征图F0上的三种不同的映射，θ、δ和g分别为相应的特征变换函数，Q
i
和K
j
分别为特征图经过Q映射的位置i和经过K映射的...
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。