基于MGD-DUMRN网络的图像超分辨率重建方法技术

基于MGD‑DUMRN网络的图像超分辨率重建方法，包括：数据集预处理；构建MGD‑DUMRN网络；训练MGD‑DUMRN网络；保存权重文件；验证MGD‑DUMRN网络；测试MGD‑DUMRN网络；本发明专利技术的MGD‑DUMRN网络利用多尺度特征融合和动量梯度下降算法，能够有效地捕获图像中的高频细节，通过逐步迭代优化，能够生成视觉上更清晰、更自然的高分辨率图像，提高图像质量，结合多尺度信息和正则化项，即使在存在噪声或不完美数据的情况下，也能够提供稳健的超分辨率重建结果。与传统的“黑盒”深度学习方法相比，为深度展开网络框架提供了更好的模型可解释性，适应不同的图像内容和条件，减少对计算资源的需求，使得在资源受限的环境中也能进行有效的图像重建，具有更高的泛化能力。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及到一种图像超分辨率重建方法。

技术介绍

1、图像的超分辨率重建是低级计算机视觉领域中经典的逆问题之一，旨在从低分辨率(lr)图像恢复出自然且清晰详细的高分辨率(hr)对应图像，具有广泛的实际应用。随着深度学习的发展，基于模型的深度神经网络在图像超分辨率重建任务上取得了显著发展。然而，现有先进的超分辨率重建方法通常被设计成“黑盒”，缺乏透明性和可解释性。深度展开方法的出现，相较于传统的基于模型和基于学习的方法，不仅保持了计算效率，还显著提高了深度学习的可解释性。

2、多尺度特征融合的设计理念深刻影响着计算机视觉的发展。多尺度指的是在不同粒度下对信号进行采样，不同的尺度下可以观察到不同的特征，适用于不同的任务。特征融合的方式通过有效整合上下文信息，提供更全面、丰富的视觉背景，从而增强模型的鲁棒性和准确性，然而，多尺度融合需要合适的融合策略来提高图像处理的效果。因此，在构建网络时应注重学习到图像特征和上下文信息的能力。

技术实现思路

1、本专利技术所要解决的技术问题在于克本文档来自技高网...

【技术保护点】

1.一种基于MGD-DUMRN网络的图像超分辨率重建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于MGD-DUMRN网络的图像超分辨率重建方法，其特征在于：在步骤2中所述每个子模块按照下式进行动量梯度下降算法的特征重建；

3.根据权利要求1所述一种基于MGD-DUMRN网络的图像超分辨率重建方法，其特征在于：在步骤2中，所述多尺度特征融合单元由以下公式构成；

4.根据权利要求3所述一种基于MGD-DUMRN网络的图像超分辨率重建方法，其特征在于：所述深度学习模块G1、G2、G3的结构均由3×3的卷积层1、ReLU激活函数单元1、Res...

【技术特征摘要】

1.一种基于mgd-dumrn网络的图像超分辨率重建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于mgd-dumrn网络的图像超分辨率重建方法，其特征在于：在步骤2中所述每个子模块按照下式进行动量梯度下降算法的特征重建；

3.根据权利要求1所述一种基于mgd-dumrn网络的图像超分辨率重建方法，其特征在于：在步骤2中，所述多尺度特征融合单...

【专利技术属性】
技术研发人员：陈昱莅，王锦洁，蔡子恒，陆铖，石国英，裴炤，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：