【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于改进tranformer的图像超分辨率重建方法。
技术介绍
1、图像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的一类重要图像处理技术。它在现实世界中有着广泛的应用，如医学成像、监控和安全检测等。除了提高图像质量外，它还有助于改进其他计算机视觉任务。近年来，随着深度学习技术的快速发展，基于深度学习的图像超分辨率模型得到了积极探索，并经常在图像超分辨率的各种基准上获得最先进的性能。
2、各种深度学习方法已被应用于处理图像超分辨率任务，从早期的基于卷积神经网络(cnn)的方法到最近使用生成对抗性网络(gan)和基于tranformer的方法。大多数基于cnn的方法侧重于精细的架构设计，如残差学习和密集连接。与传统的基于模型的相比，性能显著提高。
3、生成对抗性网络为生成具有高感知质量的看似合理的自然图像提供了强大的框架。生成对抗性网络鼓励重建向搜索空间的区域移动，这些区域很有可能包含照片逼真的图像，从而更接近自然图像。
4、作为卷积神...
【技术保护点】
1.一种基于改进tranformer的图像超分辨率重建方法，其特征在于，包括卷积前馈网络。
2.如权利要求1所述的基于改进tranformer的图像超分辨率重建方法，其特征在于，包括以下步骤：
3.如权利要求2所述的基于改进tranformer的图像超分辨率重建方法，其特征在于，所述步骤1，用简单一层卷积层来提取输入图像的浅层特征。
4.如权利要求2所述的基于改进tranformer的图像超分辨率重建方法，其特征在于，所述步骤2，特征图输入到图像分块模块中进行分块，即每个窗口内的像素为一个块，然后在通道方向展平。
5.如...
【技术特征摘要】
1.一种基于改进tranformer的图像超分辨率重建方法，其特征在于，包括卷积前馈网络。
2.如权利要求1所述的基于改进tranformer的图像超分辨率重建方法，其特征在于，包括以下步骤：
3.如权利要求2所述的基于改进tranformer的图像超分辨率重建方法，其特征在于，所述步骤1，用简单一层卷积层来提取输入图像的浅层特征。
4.如权利要求2所述的基于改进tranformer的图像超分辨率重建方法，其特征在于，所述步骤2，特征图输入到图像分块模块中进行分块，即每个窗口内的像素为一个块，然后在通道方向展平。
5.如权利要求2所述的基于改进tranformer的图像超分辨率重建方法，其特征在于，所述步骤3，模型在处理序列数据时只关注输入序列中的一部分，而不是整个序列。
6.如权利要求2所述的基于改进tranformer的图像超分辨率重建方法，其特征...
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。