【技术实现步骤摘要】
一种基于小波变换互关注机制的视频超分辨率方法
[0001]本专利技术涉及视频处理
,具体为一种基于小波变换互关注机制的视频超分辨率方法
。
技术介绍
[0002]随着计算机设备性能的增强,人工智能快速发展,尤其是计算机视觉领域,并迅速应用在高清视频
、
卫星遥感
、
生物医学等领域
。
超分辨率重建是计算机视觉任务的重要组成部分,近些年来备受关注
。
视频超分辨率
(Video Super
‑
resolution,VSR)
重建旨在将连续的低分辨率图像
(Low Resolution,LR)
序列重建出相应的高分辨率
(High Resolution,HR)
图像,与单张图像超分辨率
(Single Image Super
‑
resolution,SISR)
不同,利用相邻帧之间相似但未对齐的特征是
VSR
任务中的关键部分
。
小波变换
(WaveletTransform,
简称
WT)
是一种时频分析技术,它可以有效地用于信号和图像地处理,小波变换地优势在于,它可以把信号或者图像分解为正交基函数,使用小波变换互关注机制可以抽取所有帧的高频特征,在视频超分辨领域中有较大的应用前景,
Kappeler
等人将卷积神经网络
(Convolutional Ne ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于小波变换互关注机制的视频超分辨率方法,其特征在于:利用小波变换互关注机制的视频超分辨率重建算法增强网络丰富的高频信息的能力,具体步骤如下:步骤
1、
特征提取:通过特征提取模块,得到所有视频序列的高维度特征;步骤
2、
小波变换特征增强:使用特征自关注小波变换模块抽取所有帧的高频特征;步骤
3、
小波变换特征对齐:通过光流算法引导的互关注小波变换模块,使特征信息实现隐式对齐;步骤
4、
小波变换特征重建:将丰富的高频特征信息进行重建,并与原始图片的双三次上采样融合,得到最终的高分辨率中间帧图像;其中,步骤3中将步骤2中增强的特征的中间帧及其前一帧和后一帧的特征通过光流法将其初步对齐,另一方面将特征增强后的特征进行卷积得到降维后的特征,通过使对齐的特征对降维的特征进行互关注,得到隐式对齐的特征
。2.
根据权利要求1所述的一种基于小波变换互关注机制的视频超分辨率方法,其特征在于:所述步骤1中包括自关注模块和小波变换残差模块
,
自注意力机制通过将所有帧的特征进行自关注,进一步增强全局特征,而小波变换残差模块则用来增强局部特征,使图像中的高频信息更加突出,具体过程如下:
a:
给定一个低分辨率的输入帧序列
x
得到原图像帧
X
,利用残差网络提取块获取浅层特征
W
;
b
:将步骤
a
中得到的浅层特征
W
进行帧内自关注得到注意力特征图
M。3.
根据权利要求1所述的一种基于小波变换互关注机制的视频超分辨率方法,其特征在于:所述步骤2中通过利用了帧相加,层归一化,离散小波变换以及离散小波逆变换,使特征得到增强,其具体过程如下
:c:
将注意力特征图
M
与原图像帧
X
相加得到经过自关注后的特征
F
att
;
d
:将特征
F
att
先进行层归一化得到特征
F0;
d:
利用哈尔小波的四个滤波对特征
F0进行离散小波变换,得到四个子波段的
F
dwt1
,F
dwt2
,F
dwt3
,F
dwt4
图像;
e
:按照通道进行拼接,将
F
dwt1
,F
dwt2
,F
dwt3
,F
dwt4
送入到深度残差网络进行特征增强,得到特征
P
;
f
:将增强后的特征
P
通过离散小波逆变换获得与原始图像
x
相同尺寸的特征图像
Q
;
g:
将特征图像
Q
与原始图像帧
技术研发人员:周正华,赵建伟,薛博翔,王庭伟,何灵敏,
申请(专利权)人:中国计量大学,
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。