【技术实现步骤摘要】
一种基于光空洞过渡层的图像超分辨重建方法及系统
[0001]本专利技术涉及低级计算机视觉
，更具体的，涉及一种基于光空洞过渡层的图像超分辨重建方法及系统。
技术介绍
[0002]图像超分辨率重建技术在医学图像重建、监控人脸/车牌重建识别、卫星遥感图像重建、视频流超分辨率等方面都有广泛的应用场景，但现有的图像超分辨网络，大多数通过加深或者加宽网络结构来提升网络性能，导致网络结构变得复杂，模型参数量增大，重建速度缓慢。此外，大多数图像超分辨模型是通过连续的堆积残差块来建立的，局部残差信息在连续的卷积块中会不断丢失，进而造成重建图像纹理细节的丢失。另外，随着网络的加深极大地增加计算需求和内存消耗，这限制了图像超分辨算法在终端设备，尤其是面向客户的终端设备(如手机、无人机等)上的应用。为了能够更好的在终端设备部署图像超分辨技术，需要寻找一个轻量级，能够快速重建图像的新方法。
[0003]现有技术有一种基于注意力机制的空洞卷积神经网络图像超分辨率重建方法，该方法设计了基于注意力机制的空洞卷积模块、多通道基于注意力机制的空...
【技术保护点】
【技术特征摘要】
1.一种基于光空洞过渡层的图像超分辨重建方法，其特征在于：包括以下步骤：S1.构建并训练用于进行图像超分辨重建的重建网络；所述的重建网络包括若干个光空洞卷积提取块、残差注意力提取块、上采样块、第一3*3卷积层，第二3*3卷积层，第一1*1卷积层，第二1*1卷积层；S2.获取待重建的图像；S3.将待重建的图像输入重建网络中，通过第一3*3卷积层提取浅层特征；S4.通过若干个光空洞卷积提取块提取浅层特征的若干个层次特征；S5.所述的残差注意力提取块包括若干个通道注意力层，通过通道注意力层提取块提取若干个层次特征的注意力特征；S6.通过第一1*1卷积层融合若干个层次特征，并将融合后的若干个层次特征与通过第二1*1卷积层的注意力特征结合，得到结合特征；将结合特征通过第二3*3卷积层卷积，得到重建特征；S7.将重建特征结合待重建的图像，输入上采样块中进行上采样，得到最终的重建的图像。2.根据权利要求1所述的基于光空洞过渡层的图像超分辨重建方法，其特征在于：所述的步骤S4中，通过若干个光空洞卷积提取块提取浅层特征的若干个层次特征，具体为：将浅层特征输入第1个光空洞卷积提取块中，得到第1层次特征；将第1层次特征输入第2个光空洞卷积提取块中，得到第2层次特征，通过将每一级的光空洞卷积提取块输出的层次特征输入至后一级光空洞卷积提取块，逐级得到每层次特征。3.根据权利要求2所述的基于光空洞过渡层的图像超分辨重建方法，其特征在于：所述的光空洞卷积提取块包括若干个光空洞过渡层；若干个光空洞过渡层依次串联，用于依次提取特征。4.根据权利要求3所述的基于光空洞过渡层的图像超分辨重建方法，其特征在于：更具体的，所述的光空洞卷积提取块包括3个光空洞过渡层、5个1*1卷积层、4个通道注意力层、1个增强空间注意力层。5.根据权利要求4所述的基于光空洞过渡层的图像超分辨重建方法，其特征在于：光空洞卷积提取块提取层次特征，具体为：A1.进行特征提取时，将待提取特征输入第1光空洞过渡层得到第1特征，将待提取特征结合第1特征，得到第1结合特征；将第1结合特征输入第2光空洞过渡层得到第2特征，将第1结合特征结合第2特征，得到第2结合特征；将第2结合特征输入第3光空洞过渡层得到第3特征，将第2结合特征结合第3特征得到第3结合特征；A2.将待提取特征、第1结合特征、第2结合特征分别通过1*1卷积层卷积后与第3结合特征融合，将融合后的特征依次经过1*1卷积层和增强空间注意力层后作为第1层次特征输出；所述的第1层次特征用于输入下一个光空洞提取块进一步提取下一层次特征或第一1*1卷积层进行特征融合；A3.将第1特征、第2特征、第3特征分别通过通道注意力层提取注意力特征后进行融合，将融合后的注意力特征依次经过1*1卷积层和通道注意力层后作为第二层次特征输出；所述的第二层次特征用于输入残差注意力提取块中提取...
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。