【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及基于全局依赖与多分支结构的单幅图像超分辨率重建方法。
技术介绍
1、图像超分辨率重建技术的目标是通过图像处理手段将低分辨率图像质量提升为高分辨率图像，cnn(convolutional neural networks，卷积神经网络)因其在图像特征提取方面的优势而被广泛应用于超分辨率任务中，早期的基于cnn的超分辨率模型主要关注于架构设计的优化，这些方法在psnr(peak signal-to-noise ratio，峰值信噪比)等评价指标上取得了显著的性能提升，但是随着卷积层数的增加，cnn模型会面临很多问题，而且深层网络可能在提取全局信息方面存在局限性，导致特征提取集中在图像的某些区域，从而限制了超分辨率重建性能的提升。在现实世界的图像中，全局信息的变化往往是剧烈和复杂的，传统的基于cnn的超分辨率方法主要关注局部特征，在建模全局依赖方面表现不佳，而全局信息的建模需要网络能够捕捉到图像的整体结构和长距离依赖关系。鉴于transformer在处理序列任务中的成功，特别是在捕获长距离依赖关系方面的优势，研究...
【技术保护点】
1.基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，步骤3具体包含如下步骤：
3.根据权利要求1所述的基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，所述SFEB模块由1个3×3卷积、3个残差块、和1个1×1卷积依次串联而成；每个残差块包含1个非线性激活单元PreLU和2个3×3卷积，以“卷积层-PreLU层-卷积层”结构连接，通过跳跃连接传递特征。
4.根据权利要求1所述的基于全局依赖与多分支结构...
【技术特征摘要】
1.基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，步骤3具体包含如下步骤：
3.根据权利要求1所述的基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，所述sfeb模块由1个3×3卷积、3个残差块、和1个1×1卷积依次串联而成；每个残差块包含1个非线性激活单元prelu和2个3×3卷积，以“卷积层-prelu层-卷积层”结构连接，通过跳跃连接传递特征。
4.根据权利要求1所述的基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，步骤4中hefb模块包含lcb模块和cab模块，每个所述hfeb模块由3个堆叠的lcb模块与1个cab模块通过残差连接后与1个lcb模块串联组成；hfeb模块的计算过程为：
5.根据权利要求4所述的基于全局依赖与多分支结构的单幅图像超分辨率重建方法，其特征在于，每个所述lcb模块包含深度卷积和逐点卷积，并在每个深度卷积和逐点卷积后加入relu激活函数，以“深度卷积层-relu层-逐点卷积层-relu层”结构连接；所述cab模块由卷积块串联残差通道注...
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。