【技术实现步骤摘要】
本申请实施例涉及图像处理，特别涉及一种图像重建模型训练方法、图像重建方法、装置及设备。
技术介绍
1、图像超分辨率重建作为一项具有重要应用价值的研究问题，引起了学术界和工业界图像领域的广泛关注，尤其是基于近几年快速发展的深度学习技术，涌现出了很多使用卷积神经网络的模型算法，力求以图像后处理的方式又快又好的完成图像的信息保留与细节重建工作。
2、然而，现有的使用卷积神经网络的模型算法重建的图像的精确度还有待提高，对于局部信息的保留程度较差，存在图像细节失真较为明显的问题。
技术实现思路
1、本申请实施例提供了一种图像重建模型训练方法、图像重建方法、装置及设备，在对训练图像集中的重建样本集包含的各个图像进行特征提取时，可以从各个图像中获取到不同感受野的特征信息，增强各个图像的特征表示的效果，进而提高训练获得的图像重建模型的图像重建效果。该技术方案如下：
2、一方面，提供了一种图像重建模型训练方法，所述方法包括：
3、获取训练图像集，所述训练图像集中包含待重建...
【技术保护点】
1.一种图像重建模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过所述图像重建模型基于各个图像各自对应的多个层级的特征信息，生成所述重建样本集中的各个图像各自的特征矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述对各个图像进行多层级的窗口间特征提取，获得各个图像在多个层级各自对应的窗口间特征信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于转移拼接后的特征提取窗口对所述目标层级的各个图像进行窗口间特征提取，获得各个图像在所述目标层级各自对应的窗口间特征信息，包括：<...
【技术特征摘要】
1.一种图像重建模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过所述图像重建模型基于各个图像各自对应的多个层级的特征信息，生成所述重建样本集中的各个图像各自的特征矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述对各个图像进行多层级的窗口间特征提取，获得各个图像在多个层级各自对应的窗口间特征信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于转移拼接后的特征提取窗口对所述目标层级的各个图像进行窗口间特征提取，获得各个图像在所述目标层级各自对应的窗口间特征信息，包括：
5.根据权利要求2所述的方法，其特征在于，所述通过所述图像重建模型基于各个图像各自对应的多个层级的特征信息，以及各个图像在多个层级各自对应的窗口间特征信息，生成所述重建样本集中的各个图像各自的特征矩阵，包括：<...
【专利技术属性】
技术研发人员：田卉，李方毅，刘立森，梅迪菲，
申请(专利权)人：中移雄安信息通信科技有限公司，
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。