【技术实现步骤摘要】
一种基于对称视觉注意力网络的高效图像超分辨率方法
[0001]本专利技术涉及图像处理领域，尤其涉及一种基于对称视觉注意力网络的高效图像超分辨率方法
。
技术介绍
[0002]超分辨率是指从低分辨率图像中恢复高分辨率图像的过程，是计算机视觉和图像处理中一类重要的图像处理技术
。
高分辨率图像因其具有很高的像素密度，能够获得图像更多的细节特征，图像超分辨率技术可以提供更好的视觉保真度和增强的图像信息细节，广泛应用于各种计算机视觉任务和现实场景
。
包括安防监控图像
、
医学图像重建
、
视频增强
、
遥感成像等领域，是目前图像处理领域的研究热点
。
在医学领域，高分辨率医学图像可以提供更精细的病情图像，帮助医生提高诊断准确率；在地理领域，高分辨率遥感卫星图像包含更精确的地理信息，有助于科研工作人员开展工作；在监控安防中，高分辨率视频可以得到更全面的实时监控，保护公共安全；在计算机视觉中，高分辨率图像能丰富训练数据，提高识别
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于对称视觉注意力网络的高效图像超分辨率方法，其特征在于，本发明设计了一种简单而有效的对称视觉注意力网络，利用大核卷积的大感受野来提高图像的重建质量，使用深度卷积
、
深度扩展卷积和点卷积的高效卷积组合，得到轻量化的高效大核注意力模块，扩大网络的感受野提升高效超分辨率性能的同时有效的控制了参数量，所述超分辨率方法具体包括：步骤1：准备好
DIV2K
高分辨率图像数据集，使用双三次插值算法在特定尺度因子上将高分辨率图像下采样至低分辨率图像；步骤2：将低分辨率图像进行归一化处理，采样为标准化张量数据；步骤3：构建对称视觉注意力网络，所述注意力网络包括依次连接的浅层特征提取模块
、
深层特征提取模块和重建模块，将步骤2得到的标准化张量数据输入所述注意力网络进行训练，得到重建超分辨率图像，具体包括：步骤
31
：标准化张量数据输入浅层特征提取模块进行浅层特征提取，并输入深层特征提取模块；浅层特征提取模块浅层特征提取模块包含一个卷积层；步骤
技术研发人员：胡靖，吴承旭，樊钦睿，吴锡，杨燕，李文藻，
申请(专利权)人：成都信息工程大学，
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。