【技术实现步骤摘要】
本专利技术涉及人工智能领域，尤其涉及一种图像重构的方法。
技术介绍
1、由于显微设备物理特性和成像技术的局限性，材料显微图像的分辨率往往有限，导致难以准确表征其边缘的精细特征。现有的材料尤其是纳米材料，凭借其卓越的性能，在众多领域中展现出了巨大的应用潜力。这更多的归功于扫描电子显微镜(sem)、tem等表征工具的极大进步。不仅能够帮助我们直观地揭示材料的表面形貌，还为我们打开了通往微观分子结构世界的大门。然而，尽管sem等表征工具已经取得了显著的进步，但在实际应用中仍然面临着一些挑战。其中，图像分辨率的限制是一个尤为突出的问题。由于扫描仪的物理特性和成像协议的制约，材料的精细尺度特征，如催化剂颗粒的形态、cnts的管壁结构等，往往难以被精确捕捉。这不仅影响了对材料性能的深入理解，也限制了对未知领域的探索和对重要信息的捕获。因此，利用超分辨重构技术，可以精确捕捉材料的重要信息和特征以及获得全面的材料信息。这些努力可为纳米材料的研究和应用开辟新的道路，推动纳米科技的进一步发展。
2、现有的超分辨率重构技术，多基于传统的数值计算、...
【技术保护点】
1.图像重构的方法，其特征在于，用于超分辨率重构图像，至少包括原图像(10)、生成器(20)、判别器(30)及损失函数(40)；所述方法至少包括以下步骤：
2.根据权利要求1所述图像重构的方法，其特征在于，所述生成器(20)至少包括卷积块注意力机制(21)、残差网络(22)和上采样模块(23)。
3.根据权利要求1所述图像重构的方法，其特征在于，所述损失函数(40)由至少一个权重子函数之和组成；所述权重子函数为权重因子与子函数之积；所述子函数至少包括边缘保持损失函数、对比度损失函数、感知损失函数、图像损失函数、对抗损失函数或总变差损失函数中的至
【技术特征摘要】
1.图像重构的方法，其特征在于，用于超分辨率重构图像，至少包括原图像(10)、生成器(20)、判别器(30)及损失函数(40)；所述方法至少包括以下步骤：
2.根据权利要求1所述图像重构的方法，其特征在于，所述生成器(20)至少包括卷积块注意力机制(21)、残差网络(22)和上采样模块(23)。
3.根据权利要求1所述图像重构的方法，其特征在于，所述损失函数(40)由至少一个权重子函数之和组成；所述权重子函数为权重因子与子函数之积；所述子函数至少包括边缘保持损失函数、对比度损失函数、感知损失函数、图像损失函数、对抗损失函数或总变差损失函数中的至少一个。
4.根据权利要求3所述图像重构的方法，其特征在于，所述损失函数(40)公式为或其中，表示第i个所述子函数，σi表示可学习的不确定性参数，所述σi代表第i个所述子函数的不确定性，n表示所述子函数的总数。
5.根据权利要求3所述图像重构的方法，其特征在于，所述子函数至少包括所述边缘保持损失函数，所述边缘保持损失函数为其中，α是损失因子；m是像素总数；g表示边缘算子；g(ireal)i,j和g(igen)i,j分别表示真实图像和生成图像在坐标(i,j)处的边缘特征值；p为调节损失敏感度的指数。
...【专利技术属性】
技术研发人员：白文娟，张希君，楚电明，张天乐，何燕，
申请(专利权)人：青岛科技大学，
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。