基于混合Transformer超分辨率网络的图像超分辨率方法技术

本发明专利技术涉及一种基于混合Transformer超分辨率网络的图像超分辨率方法，包括：首先获取图像对作为训练样本，图像对由图像I<subgt;LR</subgt;和图像I<subgt;HR</subgt;组成；搭建混合Transformer超分辨率网络模型；利用训练样本对混合Transformer超分辨率网络模型进行训练，得到训练后的混合Transformer超分辨率网络模型；将待处理图像作为LR图像导入到训练后的混合Transformer超分辨率网络模型中，混合Transformer超分辨率网络模型输出的结果即为HR图像。本发明专利技术通过构建混合Transformer超分辨率网络模型，在参数和性能做出合适权衡；增强了网络的局部信息的提取能力，并且提高网络全局建模的效率，得到更加优秀的超分辨率图像，通过对图像中的全局结构信息局部纹理信息作有针对性的处理，实现了在多种超分辨率任务下的优异表现。

【技术实现步骤摘要】

本专利技术涉及单图像超分辨率，尤其是一种基于混合transformer超分辨率网络的图像超分辨率方法。

技术介绍

1、在大数据时代，高分辨率图像在各个领域的广泛应用日益显著。在社交媒体领域中，高分辨率图像有助于提升用户的视觉体验；在医疗领域中，高分辨率图像可协助专业人士做出更准确的诊断与判断；在安全领域中，高分辨率图像有助于维护社会治安与监控。然而，由于设备成本、自然环境等多种因素的限制，采集到的图像通常具有低分辨率、质量不佳以及模糊的特点。因此，单图像超分辨率(single image super-resolution，sisr)技术对各个领域都具有重要的研究价值和实际应用意义。

2、sisr是一种用于从低分辨率(low-resolution，lr)图像生成高分辨率(high-resolution，hr)图像的技术。近年来，卷积神经网络(convolutional neural network，cnn)由于其拟合复杂映射的强大能力成为了研究的热点。基于卷积神经网络cnn的超分辨率sr方法因其从图像中提取高频细节的强大能力而广受欢迎，然而，使用本文档来自技高网...

【技术保护点】

1.一种基于混合Transformer超分辨率网络的图像超分辨率方法，其特征在于：该方法包括下列顺序的步骤：

2.根据权利要求1所述的基于混合Transformer超分辨率网络的图像超分辨率方法，其特征在于：所述步骤(1)具体包括以下步骤：

3.根据权利要求1所述的基于混合Transformer超分辨率网络的图像超分辨率方法，其特征在于：所述步骤(2)具体是指：所述混合Transformer超分辨率网络模型包括浅层特征提取单元、深层特征提取单元和高分辨率重建单元，混合Transformer超分辨率网络模型的表达式如下：

4.根据权利要求1所述的基于混合...

【技术特征摘要】

1.一种基于混合transformer超分辨率网络的图像超分辨率方法，其特征在于：该方法包括下列顺序的步骤：

2.根据权利要求1所述的基于混合transformer超分辨率网络的图像超分辨率方法，其特征在于：所述步骤(1)具体包括以下步骤：

3.根据权利要求1所述的基于混合transformer超分辨率网络的图像超分辨率方法，其特征在于：所述步骤(2)具体是指：所述混合transformer超分辨率网络模型包括浅层特征提取单元、深层特征提取单元和高分辨率重建单元，混合transformer超分辨率网络模型的表达式如下：

4.根据权利要求1所述的基于混合transforme...

【专利技术属性】
技术研发人员：郑玲，朱金辰，张明健，刘玉龙，张盛羽，翁士状，黄林生，赵晋陵，李士昌，侯芷萌，沈瓒骏，
申请(专利权)人：安徽大学，
类型：发明
国别省市：