【技术实现步骤摘要】
本专利技术属于图像超分辨率重构领域，具体为一种基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法。
技术介绍
1、图像超分辨率重构技术，旨在从低分辨率图像中恢复出高分辨率图像。其核心目标是提高图像的细节表现和质量，尤其在原始图像受限的情况下进行图像增强。这项技术的意义深远，广泛应用于多个重要领域，包括医学影像、卫星遥感、安防监控、视频增强、虚拟现实等。随着这些领域对高质量图像需求的不断增加，超分辨率重构技术在提升图像细节、提高视觉体验和增强信息内容等方面发挥了关键作用。
2、在图像超分辨率重构领域，通过算法重构的图像通常存在精细纹理和边缘信息的不足和高频信息的缺失。现有的超分辨率重构方法可分为基于传统物理模型以及基于深度学习的超分辨率重构方法两类。基于传统物理模型的方法中，bicubic方法通过使用目标像素周围16个邻域像素进行加权平均。该方法计算简单，然而在处理图像时会引入模糊，细节会丢失，图像边缘较为平滑且不够锐利。基于深度学习的超分辨率重构方法中，srcnn、srresnet、swinir、rrdb-linf-l...
【技术保护点】
1.一种基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，确定压缩孔径编码图像成像时的退化模型的具体方法为：
3.根据权利要求2所述的基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，基于退化模型构建压缩孔径编码图像超分辨率重构模型的具体方法为：
4.根据权利要求3所述的基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，将问题模型改写为约束优化问题的具体方法为：p>
5.根据权...
【技术特征摘要】
1.一种基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，确定压缩孔径编码图像成像时的退化模型的具体方法为：
3.根据权利要求2所述的基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，基于退化模型构建压缩孔径编码图像超分辨率重构模型的具体方法为：
4.根据权利要求3所述的基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，将问题模型改写为约束优化问题的具体方法为：
5.根据权利要求3所述的基于可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，通过交替方向乘子法将约束优化问题求解分解为投影和去噪两个子问题的具体方法为：
6.根据权利要求1所述的可学习小波增强网络的压缩孔径编码图像超分辨率重构方法，其特征在于，所述u型编解码网络包括输入层、输出层、...
【专利技术属性】
技术研发人员：万敏杰，张萌旭，顾国华，陈钱，钱惟贤，任侃，葛鹏强，陈立新，康轶譞，
申请(专利权)人：南京理工大学，
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。