【技术实现步骤摘要】
一种基于改进型Transformer网络的小麦样本图像参考超分方法
[0001]本专利技术涉及高光谱图像处理
,尤其是一种基于改进型Transformer网络的小麦样本图像参考超分方法。
技术介绍
[0002]小麦是我国最重要的主粮作物之一,小麦产业发展直接关系到国家粮食安全和社会稳定,因此,对小麦品质分析是至关重要的。高光谱图像是一个包含丰富光谱和空间信息的三维数据立方体,拥有上百个连续谱段信息,极大地提高了探测和识别能力。但由于光谱分辨率和空间分辨率的互斥性,难以直接得到高空间分辨率的小麦高光谱图像。利用小麦样本低分辨率高光谱(LR
‑
HSI)图和高分辨率RGB(HR
‑
RGB)图参考超分生成高分辨率高光谱(HR
‑
HSI)图,可以克服高光谱仪器硬件条件的限制,对高光谱图像在小麦品质的分析上具有重要意义。
[0003]参考超分是指通过参考图像HR信息的补偿,将LR
‑
HSI图转化成高质量的HR
‑
HSI图。Transformer网络凭借出色的特征提取能力和自注意力机制,在参考超分任务中表现优异。然而,由于HSI图和RGB图具有不同的属性,传统Transformer网络对HSI图和RGB图不加区分的特征提取方式是不合理的,这可能会导致网络超分性能下降。随着网络层数的增加,传统Transformer网络单一尺度的特征融合方法无法融入多样特征,从而会导致图像分辨率的损失。
[0004]因此,针对以上问题,如何
【技术保护点】
【技术特征摘要】
1.一种基于改进型Transformer网络的小麦样本图像参考超分方法,其特征在于:该方法包括下列顺序的步骤:(1)获取小麦样本的LR
‑
HSI图、HR
‑
HSI图和HR
‑
RGB图,组成图像对;(2)对获取的图像对进行预处理,得到训练样本,将训练样本划分为训练集和测试集;(3)采用双分支特征提取模块和多水平特征融合模块搭建改进型Transformer网络,利用训练样本训练改进型Transformer网络;(4)将待处理的小麦样本的LR
‑
HSI图和HR
‑
RGB图导入训练好的改进型Transformer网络,训练好的改进型Transformer网络输出参考超分HR
‑
HSI图像。2.根据权利要求1所述的基于改进型Transformer网络的小麦样本图像参考超分方法,其特征在于:在步骤(1)中,所述小麦样本包括健康籽粒、发霉籽粒、患赤霉病籽粒、发育不良籽粒、小麦麦秆和籽粒麦壳,所述LR
‑
HSI图的维度为c
×
h
×
B,c和h分别为LR
‑
HSI图的长和宽,B为LR
‑
HSI图的通道数;所述HR
‑
HSI图的维度为kc
×
kh
×
B,k为参考超分辨率的倍数;所述HR
‑
RGB图的维度为l
×
w
×
b,l和w为HR
‑
RGB图的长和宽,b为HR
‑
RGB图的通道数。3.根据权利要求1所述的基于改进型Transformer网络的小麦样本图像参考超分方法,其特征在于:所述步骤(2)具体包括以下步骤:(2a)对图像对进行阈值去噪处理,去除采集时的噪声;(2b)将去噪后的图像对进行配准,步骤如下:(2b1)将通道数为B的LR
‑
HSI图、HR
‑
HSI图经过CIE 1931颜色转换函数转化为通道数为3的伪RGB图;(2b2)将伪RGB图与HR
‑
RGB图输入图像配准模型,将配准后的图像对进行封装,得到训练样本,将训练样本划分为训练集和测试集。4.根据权利要求1所述的基于改进型Transformer网络的小麦样本图像参考超分方法,其特征在于:所述步骤(3)具体是指:所述改进型Transformer网络包含双分支特征提取模块和多水平特征融合模块:所述双分支特征提取模块包括用于提取LR
‑
HSI图的纹理和光谱特征细节的LR
‑
HSI图像特征提取分支,以及用于提取HR
‑
RGB图的纹理和光谱特征细节的HR
‑
RGB图像特征提取分支,LR
‑
HSI图像特征提取分支和HR
‑
RGB图像特征提取分支为并行结构,LR
‑
HSI图像特征提取分支、HR
‑
RGB图像特征提取分支均由浅层特征提取模块和深层特征提取模块组成;所述浅层特征提取模块采用Transformer编码器、解码器结构,HR
‑
RGB图和经下采样和上采样操作后的HR
‑
RGB图通过HR
‑
RGB图像特征提取分支转换成特征向量V
s
、K
s
,所述上采样和下采样操作均指双三次插值函数;LR
‑
HSI图通过LR
‑
HSI图像特征提取分支转换为特征向量Q
s
,浅层特征提取函数表达式为:(Q
s
)
shallow
=MatMuI((vector
LR
‑
HSI
),W
Q
)(V
s
,K
s
)
shallow
=(MatMul((vector
HR
‑
RGB
),W
v
),MatMul((vector
HR
‑
RGB
↓↑
),W
k
))其中,MatMul()表示矩阵乘法函数,vector
LR
‑
HSI
表示LR
‑
HSI图原始图像向量,vector
HR
‑
RGB
表示HR
‑
RGB图原始图像向量,vector
HR
‑
RGB
↓↑
表示经下采样和上采样操作后的HR
‑
RGB图的原始图像向量,W
Q
,W
k
和W
v
均表示线性层权重矩阵,(Q
s
...
【专利技术属性】
技术研发人员:翁士状,张巧巧,施金鹏,朱睿,汪聪,潘美静,谭羽健,张盛羽,
申请(专利权)人:安徽大学,
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。