【技术实现步骤摘要】
一种图像超分辨率重建方法
[0001]本专利技术涉及图像超分辨率重建
，更具体的，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(Super Resolution,SR)重建的目标是将退化的低分辨率(Low Resolution,LR)图像重建获得相对应的高分辨率(High Resolution,HR)图像。该技术作为计算机视觉领域的一项基础性的底层任务，一直是研究的重点和热点。
[0003]通常，图像的分辨率越高，所包含的纹理细节越丰富，视觉效果越清晰，更加适用于图像的后续处理任务。目前，很多设备能够胜任现实场景中对于清晰度的要求，但由于设备成本以及拍摄环境的限制很多场合所获得的图像难以达到高分辨率的要求。SR重建技术在软件层面上解决了上述难题，一方面它能有效地降低硬件的成本，使设备的扩展维护更加灵活；另一方面，软件设计不会受到平台的限制，适用范围更广。因此，SR重建技术在实际应用中拥有巨大的前景，例如，公共安全、医学诊断、遥感观测、视频/图像质量增强等。
[0004]近年来，随着...
【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，包括以下步骤：S1：提取要重建的低分辨率图片的浅层特征；S2：将提取到的浅层特征输入混合编解码器转化为深层特征；所述混合编解码器为U型网络结构，包括多个MSACM模块，每个MSACM模块包括若干个混合注意力模块；所述混合注意力模块通过包括多头自注意力分支和空间傅里叶频率模块分支的并行双分支结构来同时建模全局上下文信息和局部纹理信息，空间傅里叶频率模块通过快速傅里叶变换和反傅里叶变换引入频域特性；S3：利用CARAFE上采样算子根据深层特征重构得到高分辨率图片。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，将低分辨率图像通过3
×
3卷积和ReLU非线性激活函数提取浅层特征F
e
，表达式为：其中，σ(
·
)表示ReLU非线性激活函数；表示3
×
3卷积；I
l
表示低分辨率图像。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，所述混合编解码器包括编码器端和解码器端，其中，在所述编码器端，相邻MSACM模块间通过步幅为2的4
×
4卷积进行特征下采样；在所述解码器端，相邻MSACM模块间通过3
×
3的卷积和Pixelshuffle操作进行特征上采样；编码器端的MSACM模块输出的特征通过跳跃连接将特征传输到解码器端的MSACM模块。4.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，所述多头自注意力分支先通过三分支编码局部信息，分别生成query张量特征、key张量特征和value张量特征，然后通过维度转换操作转换张量特征的维度，query张量特征和key张量特征通过矩阵乘法和Softmax函数生成转置后的注意力特征矩阵，value张量特征再与注意力特征矩阵相乘并经过维度转换和卷积得到多头自注意力分支的输出特征；多头自注意力分支的过程如下式所示：其中，表示维度重塑；表示3
×
3深度可分离卷积操作；LN(
·
)表示层归一化操作；表示矩阵乘法操作；F
mDTA
表示多头自注意力分支的输出特征；Softmax(
·
)表示Softmax函数；Attention(
·
)表示自注意力操作；表示query张量特征；表示key张量特征；表示value张量特征。5.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，所述空间傅里叶频率模块分支包括空间域分支和频域分支，其中，在空间域分支，流入空间域分支的特征经过第一次卷积、PReLU激活函数、第二次卷积后与原始流入空间域分支的特征进行通道级相加操作，得到空间域分支的输出特征；在频域分支，流入频域分支的特征经过第一次卷积加PReLU激活函数、二维快速傅里叶
变换、第二次卷积和PReLU激活函数、反二维快速傅里叶变换后与原始流入频域分支的特征进行通道级相加操作，再通过卷积整合，得到频域分支的输出特征；最后，空间域分支的输出特征和频域分支的输出特征通过concat操作拼接，再经过卷积得到空间傅里叶频率模块分支的输出特征。6.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，多头自注意力分支的输出特征和...
【专利技术属性】
技术研发人员：蔡念，张旭，张欢，陈健，何兆泉，张国华，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
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。