基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建方法技术

本发明专利技术公开了基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建方法，具体包括如下步骤：步骤1，获取建筑物高清图像，并将原始高分辨率图像进行降采样，得到对应的低分辨率图像；步骤2，对低分辨率图像进行数据增强；步骤3，构建基于状态方程模型的Mamba轻量化建筑物图像超分辨率网络模型；步骤4，训练所述超分辨率模型，得到基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建模型。本发明专利技术可以有效恢复建筑物图像的规则纹理，解决了现有的轻量化图像超分辨率网络在有效感受野与性能间的权衡问题，实现了在不增加计算开销的情况下图像进行高效特征提取以获取全局信息，有效提升轻量化建筑物图像超分辨模型的轻量性和重建质量。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别是基于状态方程模型的mamba轻量化建筑物图像超分辨率重建方法。

技术介绍

1、视觉测量方法作为一种非接触式的监测手段，被广泛应用于结构表面缺陷检测、结构动静态响应测量等应用场景，在结构健康监测领域正发挥着日益重要的作用。由于设备成本约束、建筑结构覆盖面积大、摄像头布点位置受限、环境工况复杂等因素，视觉测量系统采集的图像往往存在分辨率不足的问题。超分辨率重建技术旨在从相应的低分辨率(lr)图像中重建高分辨率(hr)图像，为解决这一问题提供了有效的途径。但建筑结构表面往往存在规律的纹理特征，因此其超分辨率重建图像对伪影噪声敏感，其重建质量尤其依赖于网络对长程关系的建模能力。随着现代深度学习模型(如卷积神经网络和transformer模型)的引入，图像超分辨率模型的性能不断得到提升。但现有许多模型的高计算成本和内存消耗使得它们难以在资源有限的边缘和移动设备上实际应用，为提升结构建筑物表面图像超分辨率重建效率，亟需设计轻量高效、具备长程关系建模能力的sr模型。

2、近年来，研究人员提出了大量轻量高效的sr方法，但仍然缺乏足本文档来自技高网...

【技术保护点】

1.基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建方法，其特征在于：步骤S1中利用双三次插值算法对建筑物高分辨率图像进行下采样处理，得到对应的低分辨率图像。

3.根据权利要求1所述的基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建方法，其特征在于：步骤S2中，采用不同尺度缩放、翻转、旋转进行数据增强，以提高模型的泛化能力。

4.根据权利要求1所述的基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建方法，其特征在于：步...

【技术特征摘要】

1.基于状态方程模型的mamba轻量化建筑物图像超分辨率重建方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于状态方程模型的mamba轻量化建筑物图像超分辨率重建方法，其特征在于：步骤s1中利用双三次插值算法对建筑物高分辨率图像进行下采样处理，得到对应的低分辨率图像。

3.根据权利要求1所述的基于状态方程模型的mamba轻量化建筑物图像超分辨率重建方法，其特征在于：步骤s2中，采用不同尺度缩放、翻转、旋转进行数据增强，以提高模型的泛化能力。

4.根据权利要求1所述的基于状态方程模型的mamba轻量化建筑物图像超分辨率重建方法，其特征在于：步骤s3所述的mamba特征调制网络针对建筑物图像对长程信息依赖关系...

【专利技术属性】
技术研发人员：吴丽君，黄光楷，陈志聪，李东徽，李珊，陈雯静，
申请(专利权)人：福州大学，
类型：发明
国别省市：