一种基于Transformer的多阶段渐进图像复原方法技术

一种基于Transformer的多阶段渐进图像复原方法，该方法的过程包括：S1：构造包含各种退化类型的原始图像训练集，其中，所述原始图像训练集包括带雨图像和模糊图像；S2：使用特征提取模块提取所述各原始图像训练集中的原始图像的数据特征；S3：为所述各种退化类型构建基于Transformer的多阶段渐进图像复原模型，并基于提取的所述原始图像的数据特征对所述多阶段渐进图像复原模型进行训练。所述基于Transformer的多阶段渐进图像复原模型包括三个阶段，为了保留从输入图像到输出图像的细节，在最后一个阶段不采用任何下采样操作，并且所述基于Transformer的多阶段渐进图像复原模型中使用的Transformer模型的复杂度随图像分辨率呈线性增长，可以直接应用在高分辨率的图像上；S4：使用训练好的多阶段渐进图像复原模型对测试集进行测试，并输出对应的复原图像。像。像。

【技术实现步骤摘要】
一种基于Transformer的多阶段渐进图像复原方法


[0001]本专利技术涉及到计算机视觉、图像增强等
，更具体地说是指一种基于Transformer的多阶段渐进图像复原方法。

技术介绍

[0002]图像复原是在数学理论和计算机技术的基础上，通过计算机软件和算法复原模糊、噪声、失真等退化的研究。图像复原技术为人类的生活带来了很多的便利，一方面，它可以在较低成本的情况下恢复图像的损失并允许进一步的细化，另一方面，其非常有利于压缩图像的传输空间和时间。因此，在图像处理和底层视觉的各项任务中，图像复原占据着重要的地位。
[0003]从应用领域来讲，图像复原技术不仅仅可以服务于娱乐生活的方方面面，还在天文、刑侦、医疗等重点领域有着广泛的应用前景。图像复原任务是一个像素级的任务，现有的图像复原算法大都通过增加网络深度来提升精度，但是这一过程中不可避免的会造成空间细节信息的损失，因此需要设计一种新的算法兼顾图像的上下文信息和空间细节信息。

技术实现思路

[0004]本专利技术的目的是克服现有技术的上述不足，提供一种基于Tr本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Transformer的多阶段渐进图像复原方法，其特征在于，所述方法包括下列步骤：S1：构造包含各种退化类型的原始图像训练集，其中，所述原始图像训练集包括带雨图像和模糊图像；S2：使用特征提取模块提取所述各原始图像训练集中的原始图像的数据特征；S3：为所述各种退化类型构建基于Transformer的多阶段渐进图像复原模型，并基于提取的所述原始图像的数据特征对所述多阶段渐进图像复原模型进行训练；S4：使用训练好的多阶段渐进图像复原模型对测试集进行测试，并输出对应的复原图像。2.根据权利要求1所述的基于Transformer的多阶段渐进图像复原方法，其特征在于，所述步骤S1中，在获取所述原始图像训练集过程中，首先对原始图像进行随机裁剪，再对裁剪后的图像进行随机翻转增加训练样本，以完成所述原始图像训练集的构造。3.根据权利要求1所述的基于Transformer的多阶段渐进图像复原方法，其特征在于，所述步骤S3中，构建所述基于Transformer的多阶段渐进图像复原模型包括：第一阶段，将第一质量图像X输入到所述第一阶段的网络当中，经过基于Transformer的编码器
‑
解码器网络获取所得特征中的上下文信息，在所述第一阶段结束产生第二质量图像Y1，并使用Y1和ground
‑
truth计算损失函数来控制所述第一阶段的执行，其中，在所述第一阶段中，通过设置监督注意模块(SAM)来生成注意力图，以抑制所述第一阶段中的第一特征，从而实现仅将第二特征发送到第二阶段；第二阶段，将所述第二质量图像Y1以及所述第一质量图像X联合以得到所述第二阶段的网络的输入，将所述第二阶段的输入输入至所述第二阶段的网络中以输出第三质量图像Y2；第三阶段，将所述第三质量图像Y2和所述第一质量图像X联合以得到所述第三阶段的网络的输入，其中，所述第三阶段的网络包括原始分辨率子网络(ORSNet)，将所述第三...

【专利技术属性】
技术研发人员：张剑华，王佳佳，李丹阳，周浩，郭烈峰，徐晨阳，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：