【技术实现步骤摘要】
本专利技术涉及图像超分辨率，尤其涉及基于梯度一致感知的空频域特征混合图像超分辨率方法。
技术介绍
1、图像sr是计算机视觉领域的一项关键任务，其核心目标是从退化的低分辨率(lowresolution, lr)图像中还原出高分辨率图像。图像sr技术能够为图像增添更丰富、更具价值的细节，因此，它在多种计算机视觉应用场景中得到了广泛应用，如遥感图像处理、医疗成像、人脸识别以及视频监控等。
2、神经科学的近期进展表明，神经元对全局信息的感知和交互是执行复杂的感知任务的关键。然而，卷积仅利用滑动窗口来提取局部特征，无法实现全局特征交互。因此，大部分基于卷积神经网络（convolutional neural network，cnn）的sr模型很难重建出可靠清晰的细节，甚至可能产生像素扭曲和位移。
技术实现思路
1、本专利技术的目的在于解决现有技术中基于cnn的超分辨率模型无法实现全局特征交互的问题。
2、本专利技术解决其技术问题所采用的技术方案是：提供一种基于梯度一致感知的空频...
【技术保护点】
1.一种基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，所述超分辨率分支包含R级特征金字塔，，s表示图像目标放大倍数；所述特征金字塔包括依次连接的N个空频域特征混合模块和亚像素卷积层。
3.根据权利要求2所述的基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，给定一幅低分辨率图像作为超分辨率分支的输入，所述超分辨率分支的处理过程包括以下步骤：
4.根据权利要求3所述的基于梯度一致感知的空频域特征混合图像超分...
【技术特征摘要】
1.一种基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，所述超分辨率分支包含r级特征金字塔，，s表示图像目标放大倍数；所述特征金字塔包括依次连接的n个空频域特征混合模块和亚像素卷积层。
3.根据权利要求2所述的基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，给定一幅低分辨率图像作为超分辨率分支的输入，所述超分辨率分支的处理过程包括以下步骤：
4.根据权利要求3所述的基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，给定输入特征图，其中c、h、w分别表示特征图的通道数量、长度和宽度，所述空频域特征混合模块函数的计算包括以下步骤：
5.根据权利要求1所述的基于梯度一致感知的空频域特征混合图像超分辨率方法，其特征在于，所述回归分支包括对应r级特征金字塔的r级重建层，每级重建层的内部操作具体为：
6.根据权利要求5所述的基于梯度一致感知的空频域特征混合图像超分辨率方法，其...
【专利技术属性】
技术研发人员：朱显丞，黄德天，林明昕，舒泊智，黄静，王一凡，董雨昕，
申请(专利权)人：华侨大学，
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。