一种改进SwinIR全局建模的图像超分辨方法技术

本发明专利技术涉及图像超分辨领域，本发明专利技术公开了一种改进SwinIR全局建模的图像超分辨方法，包括以下步骤：步骤1：浅层特征提取；步骤2：将浅层特征F<subgt;0</subgt;作为输入传输到深层特征提取网络H<subgt;DF</subgt;(·)，得到深层特征F<subgt;DF</subgt;；步骤3：利用残差连接融合浅层和深层特征，并作为上采样重建模块的输入，得到SR网络的最终输出；本发明专利技术在SwinIR的位移窗口注意力机制中，额外增加了基于MLP的通道注意力机制，不同于传统的通道注意力方法，我们采用MLP结构，使得所有图片信息均来源于图片本身，最大限度地减少了人为主观因素的干扰，从而提升了重建图像的质量；使用自校准卷积替代了SwinIR中传统卷积，通过自校准卷积使得网络在超分辨过程中使用更多的像素信息。

【技术实现步骤摘要】

本专利技术涉及图像超分辨领域，具体涉及一种改进swinir全局建模的图像超分辨方法。

技术介绍

1、图像超分辨率(sr)是计算机视觉领域的重要任务，在遥感、监控、医学成像和无人驾驶车辆等领域具有广泛应用，sr的主要目标是从低分辨率图像中提取复杂细节并重建为高保真图像。

2、传统的卷积神经网络(cnn)，例如srcnn的开创性工作，彻底改变了sr领域，srcnn首次将深度学习方法应用于图像超分辨率领域，提出了一种基于卷积神经网络的图像超分辨率方法，这一开创性工作为后续的深度学习超分辨率研究奠定了基础。

3、transformer模型的出现，特别是vit(vision transformer)，在计算机视觉领域引发了革命，vit通过其自注意力机制有效地捕获长距离依赖，克服了传统卷积网络的局限，这催生了一批基于transformer来做图像超分辨的优秀网络。

4、归因图分析(lam)是一种图像超分辨分析工具，能够可视化超分辨过程中利用的像素范围，它特别关注在超分辨过程中，哪些输入像素对最终输出结果的贡献最大。

5、本文档来自技高网...

【技术保护点】

1.一种改进SwinIR全局建模的图像超分辨方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种改进SwinIR全局建模的图像超分辨方法，其特征在于，所述步骤2包括如下步骤：

【技术特征摘要】

1.一种改进swinir全局建模的图像超分辨方法，其特征在于，包括以下步骤：

2.根据...

【专利技术属性】
技术研发人员：马健，刘恋国，陈圣，王俊博，徐国明，庞登浩，梁栋，黄林生，
申请(专利权)人：安徽大学，
类型：发明
国别省市：