一种基于Swin-Transformer的二阶光谱注意力高光谱图像超分辨率方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种基于Swin

【技术实现步骤摘要】
一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法。

技术介绍

[0002]高光谱成像传感器可以在很宽的光谱覆盖范围内收集数十或数百个光谱带；然而，由于成像相机的局限性，光谱分辨率和空间分辨率存在一定的折衷，因此，具有大量波段的HSI通常具有较低的空间分辨率；由于高光谱图像场景多样，传统的超分辨率方法存在特征能力提取不足，算法时间复杂度高，模型参数敏感，泛化能力差等问题，图像的超分效果较差。

技术实现思路

[0003]为了解决现有模型效率低，超分效果差的问题，本专利技术的目的在于提供一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法，所采用的技术方案具体如下：
[0004]本专利技术一个实施例提供了一种基于Swin
‑
Transformer的二阶光谱注意力高光本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法，其特征在于，该方法包括以下步骤：获取待处理的低分辨率高光谱图像；构建Swin
‑
Transformer超分辨率网络模型，将所述低分辨率图像输入训练完成的Swin
‑
Transformer超分辨率网络模型中，输出重建图像；其中，所述Swin
‑
Transformer超分辨率网络模型的训练集为低分辨率图像，损失函数由原始图像与重建图像的差异得到，基于所述损失函数对所述Swin
‑
Transformer超分辨率网络模型训练并更新得到最优参数的Swin
‑
Transformer超分辨率网络模型，最优参数的Swin
‑
Transformer超分辨率网络模型为训练完成的Swin
‑
Transformer超分辨率网络模型。2.根据权利要求1所述的一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法，其特征在于，所述获取待处理的低分辨率图像的步骤，包括：将公开训练集中CAVE图像划分为相同大小的重叠块；对每个所述重叠块进行降采样以及高斯模糊生成低分辨率高光谱图像。3.根据权利要求1所述的一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法，其特征在于，所述Swin
‑
Transformer超分辨率网络模型包括浅层特征提取、深层特征提取以及图像重建。4.根据权利要求1所述的一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法，其特征在于，所述损失函数为：其中，L
total
表示目标损失函数；x
i
为原始图像；o
i
为重建图像；α为设定常数；acrcos表示反余弦函数；N表示训练图像的个数；S表示波段数；‖*‖1表示L1范数；‖*‖2表示L2范数。5.根据权利要求1所述的一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法，其特征在于，所述输出重建图像之后，还包括：通过获取标准图像与重建图像之间的峰值信噪比、结构相似性以及光谱角对重建效果进行分析。6.根据权利要求5所述的一种基于Swin
‑
Transformer的二阶光谱注意力高光谱图像超分辨率方法，其特征在于，所述峰值信噪比的计算方法为：其中，PSNR表示峰值信噪比；MSE表示当前图像与参考图像f(i,j)之间的均方误差；n表示每个像素点比特数；所述均方误差的计算为：其中，MSE表示当前图像与参考图像f(i,j)之间的均方误差；M
×
N1表示图像的尺

【专利技术属性】
技术研发人员：乔保军，许冰辉，肖一卓，林英豪，谢毅，左宪禹，
申请(专利权)人：河南大学，
类型：发明
国别省市：