一种轻量级图像超分辨率处理方法技术

本申请涉及图像数据处理技术领域，公开了一种轻量级图像超分辨率处理方法，包括以下步骤：步骤一、将输入的低分辨率图像采用框架模块进行快速分割，并根据预设参数选择对应通道的分割斑块作为输入数据，即I<subgt;LR</subgt;∈R<supgt;H×W×Cin</supgt;，其中C<subgt;in</subgt;表示输入的通道数；步骤二、根据I<subgt;LR</subgt;∈R<supgt;H×W×Cin</supgt;得到双三次上采样版本I<subgt;HR0</subgt;，并采用动态卷积层的方式提取分割后像素斑块进行的浅层特征X<subgt;0</subgt;∈R<supgt;H×W×C</supgt;，其中C表示浅层特征的通道数；步骤三、使用n个级联的晶格像素融合组以及反向融合模块来提取深度特征X<subgt;DF</subgt;。通过快速的斑块分割和合并模块、格子块结构作为标准级联模式的配合，及引入相似斑块组合方法改进了全局像素访问模块的效率，显著提高了图像超分辨率处理的性能。

【技术实现步骤摘要】

本专利技术涉及图像数据处理，具体为一种轻量级图像超分辨率处理方法。

技术介绍

1、单图像超分辨率(sr)已成为计算机视觉领域的一个重要研究领域。sr的目标是提高降质低分辨率(lr)图像的分辨率并恢复其高分辨率(hr)对应图像。sr技术的有效性已在各种实际应用中得到证明，包括医学诊断、遥感、生物识别、视频监控、人脸识别等。

2、其中，卷积神经网络(cnns)已被广泛应用作为图像超分辨率网络的主要架构，虽然其在捕捉短程相互作用方面表现出色，但与自注意力模块不同，它无法有效地建模长程依赖关系。同时，高计算需求使得自注意力模块在像素级别上直接应用变得不切实际。因此，类似transformer的结构通常采用分割和合并操作。然而，这种操作可能效率低且消耗资源，传统的分割和合并过程占据了总处理时间的87％。

技术实现思路

1、针对现有技术的不足，本专利技术提供了一种轻量级图像超分辨率处理方法，解决了传统图像超分辨率放大的方法，存在内存占用大、效率低、消耗资源高的问题。

2、为实现以上目的，本专利技术本文档来自技高网...

【技术保护点】

1.一种轻量级图像超分辨率处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种轻量级图像超分辨率处理方法，其特征在于，所述提取深度特征提取过程中采用合成斑块作为相似斑块。

3.根据权利要求1所述的一种轻量级图像超分辨率处理方法，其特征在于，所述双三次上采样版本IHR0的计算公式为IHR0＝Fbicubic(ILR)。

4.根据权利要求1所述的一种轻量级图像超分辨率处理方法，其特征在于，所述浅层特征X0的计算公式为X0＝HSF(ILR)。

5.根据权利要求1所述的一种轻量级图像超分辨率处理方法，其特征在于，所述深度特征XDF的计...

【技术特征摘要】

1.一种轻量级图像超分辨率处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种轻量级图像超分辨率处理方法，其特征在于，所述提取深度特征提取过程中采用合成斑块作为相似斑块。

3.根据权利要求1所述的一种轻量级图像超分辨率处理方法，其特征在于，所述双三次上采样版本ihr0的计算公式为ihr0＝fbicubic(ilr)。

4.根据权利要求1所述的一种轻量级图像超分辨率处理方...

【专利技术属性】
技术研发人员：王开源，万毅，
申请(专利权)人：北京三狮科技有限公司，
类型：发明
国别省市：