【技术实现步骤摘要】
本专利技术属于图像增强，涉及频域自适应超分辨率重建方法。
技术介绍
1、目前，超分辨率重构方法依据时间的发展历程大致可以分为：传统方法与深度学习方法。传统的超分辨率重构方法又可归为：基于插值的方法、基于重构的方法以及基于学习的方法。基于插值的超分辨率方法主要通过使用基函数或插值核来近似恢复丢失的特征信息，从而实现图像重建。典型的插值方法包括最近邻插值、双线性插值和双三次插值等。然而这类方法较为简单，通常会导致重建图像出现锯齿状伪影、细节缺失和模糊等问题，无法有效恢复图像的高频信息。基于重构的超分辨率方法首先模拟图像降质退化的过程，生成低质量的退化图像，然后通过正则化方法引入高分辨率图像的先验约束，并进行优化求解以生成对应的高分辨率图像。典型的重构方法包括迭代反投影法、最大后验概率法和凸集投影法等。然而，这些方法通常计算开销较大，且难以选择合适的约束条件或充分利用图像的先验信息，从而限制了其在实际应用中的有效性和适应性。随着深度学习的发展，卷积神经网络、图神经网络、生成对抗网络等模型从输入图像中获取特征信息，最后由重建模块来生成对应的高分...
【技术保护点】
1.频域自适应超分辨率重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的频域自适应超分辨率重建方法，其特征在于，所述频域自适应超分辨率重建模型包括浅层特征提取模块、多尺度频域特征提取模块、特征融合模块；
3.根据权利要求1所述的频域自适应超分辨率重建方法，其特征在于，所述S2包括以下步骤：
4.根据权利要求3所述的频域自适应超分辨率重建方法，其特征在于，所述多尺度频域特征提取模块处理原始图像浅层特征的过程如下所示：
5.根据权利要求4所述的频域自适应超分辨率重建方法，其特征在于，所述A3包括以下步骤：
...【技术特征摘要】
1.频域自适应超分辨率重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的频域自适应超分辨率重建方法，其特征在于，所述频域自适应超分辨率重建模型包括浅层特征提取模块、多尺度频域特征提取模块、特征融合模块；
3.根据权利要求1所述的频域自适应超分辨率重建方法，其特征在于，所述s2包括以下步骤：
4.根据权利要求3所述的频域自适应超分辨率重建方法，其特征在于，所述多尺度频域特征提取模块处理原始图像浅层特征的过程如下所示：
5.根据权利要求4所述的频域自适应超分辨率重建方法，其特征在于，...
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。