基于全局自注意力网络的单幅图像超分辨率重建方法技术

本发明专利技术提出一种基于全局自注意力网络的单幅图像超分辨率重建方法，以全局自注意力网络作为单幅图像超分辨率重建的深度网络，将低分辨率图像输入到全局自注意力网络，网络输出重建的高分辨率图像。该方法有利于重建出更加清晰的高分辨率图像。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种基于全局自注意力网络的单幅图像超分辨率重建方法。

技术介绍

1、单图像超分辨率(sr)是一种从低分辨率(lr)图像重建高分辨率(hr)图像的低级计算机视觉任务。srcnn是单图像超分辨率(sr)中第一个采用深度学习方法的模型，利用三层卷积神经网络(cnn)建立低分辨率(lr)图像与其对应的高分辨率(hr)图像之间的非线性关系。此后，许多基于cnn的sr方法被提出，采用更深或更宽的网络来提高性能。为了促进深度网络的训练，sr中采用了有效的策略，如残差学习和递归学习。例如，kim等人设计了一个具有20个卷积层和残差学习的非常深的超分辨网络(vdsr)，提出了一个基于递归学习的深度递归卷积网络(drcn)。此外，ledig等人引入了srresnet，该网络利用了受resnet启发的多个残差块。后来，lim等人通过连续级联修改的残差块，开发出一个非常深而宽的cnn，称为edsr。这些突破性的方法证实了网络深度和宽度对sr性能的重要性。例如，tong等人在密集块之间引入密集跳过连接来创建一个深层网络，而zhang等人则通过组合残差本文档来自技高网...

【技术保护点】

1.一种基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：以全局自注意力网络作为单幅图像超分辨率重建的深度网络，将低分辨率图像Y输入到全局自注意力网络，网络输出重建的高分辨率图像

2.根据权利要求1所述的基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：

3.根据权利要求2所述的基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：在Transformer模块中，每s个Simplified Swin Transformer层后接一个GlobalTransformer层。

4.根据权利要求2所述的基于全局自注意力网络的单幅图像超...

【技术特征摘要】

1.一种基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：以全局自注意力网络作为单幅图像超分辨率重建的深度网络，将低分辨率图像y输入到全局自注意力网络，网络输出重建的高分辨率图像

2.根据权利要求1所述的基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：

3.根据权利要求2所述的基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：在transformer模块中，每s个simplified swin transformer层后接一个globaltransformer层。

4.根据权利要求2所述的基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：

5.根据权利要求4所述的基于全局自注意力网络的单幅图像超分辨率重建方法，其特征在于：

6....

【专利技术属性】
技术研发人员：曾坤，刘华锐，方金生，林汉江，闫志强，
申请(专利权)人：闽江学院，
类型：发明
国别省市：