【技术实现步骤摘要】
本专利技术涉及图像超分辨重建领域，特别是一种面向低分辨率模糊场景的图像超分辨重建算法。
技术介绍
1、图像超分辨率重建算法被广泛应用于各个领域，如监控视频处理、医学图像处理、卫星图像处理等，以提升图像的清晰度、细节和识别性。
2、因此，面向模糊图像的图像超分辨率重建算法在不同应用场景中扮演着重要的角色，为改善图像质量、提高细节还原能力、增强图像识别和分析等方面带来了显著的效果和应用潜力。
3、当前，主要的超分辨率重建方法包括插值法、重建法和学习法。插值法一般采用双三次插值和基于几何特征的插值法，尽管简单，但易产生图像震荡和伪影。相比之下，重建法如最大后验估计法和迭代反向投影法在重建效果上有所提升，但运算效率较低，且受放大因子的影响较大。至于学习法，如邻域嵌入法和稀疏表示法，则通过学习hr图像和lr图像样本对的映射函数或利用图像内部相似性来实现hr图像的重建。
4、近年来，随着深度学习技术的迅速发展，卷积神经网络(cnn)在超分辨率任务中广泛应用，提出了一系列高效的图像超分辨率网络基于深度学习的sr方法...
【技术保护点】
1.一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：所述图像浅层特征提取模块、图像深层特征提取模块和图像重建模块的总体关系如下：
3.根据权利要求1所述的一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：所述跨尺度局部特征投影模块对输入特征分别进行四倍、二倍的下采样完成多尺度特征的提取，在模型结构上选择交替下采样和特征提取的方式。
4.根据权利要求1所述的一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：所述差...
【技术特征摘要】
1.一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：所述图像浅层特征提取模块、图像深层特征提取模块和图像重建模块的总体关系如下：
3.根据权利要求1所述的一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：所述跨尺度局部特征投影模块对输入特征分别进行四倍、二倍的下采样完成多尺度特征的提取，在模型结构上选择交替下采样和特征提取的方式。
4.根据权利要求1所述的一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：所述差异性特征提取模块通过残差连接学习不同特征之间的差异以及进行特征的融合，与跨尺度局部特征投影模块的关系为：
5.根据权利要求1所述的一种面向低分辨率模糊场景的图像超分辨重建算法，其特征在于：所述跨尺度全局特征投影模块设计了一个由深...
【专利技术属性】
技术研发人员：徐兴奎，徐明武，李冬冬，李继路，袁航，
申请(专利权)人：微山金源煤矿，
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。