一种基于Real-ESRGAN的超分辨率重建优化方法技术

本发明专利技术公开了一种基于Real‑ESRGAN的超分辨率重建优化方法，旨在解决现有超分辨率技术在面对复杂纹理图像时细节恢复能力不足的问题。该方法首先通过二阶退化模型生成包含真实世界退化特征的低分辨率(LR)图像与高分辨率(HR)图像的数据对。核心创新在于对Real‑ESRGAN网络进行了两方面的改进：一是在特征提取阶段，引入了特征选择增强残差网络模块，通过集成EMA注意力机制，增强关键特征并抑制无关信息，从而更有效地提取图像细节；二是在鉴别阶段，设计了U‑KAN(Kolmogorov‑Arnold Networks)结构作为鉴别器，并将传统跳跃连接改进为全尺度跳跃连接(U‑KAN+)，以增强模型对图像细节和全局信息的非线性建模能力及判别精度。通过在DF2K等数据集上的实验验证，该方法在多个公开数据集上均实现了优于原始Real‑ESRGAN的峰值信噪比(PSNR)和结构相似度(SSIM)指标，特别是在处理复杂纹理和边缘时表现出显著优势，证明了本发明专利技术在提升图像恢复细节能力和模型性能方面的有效性。

【技术实现步骤摘要】

本专利技术涉及图像恢复领域，具体为一种基于real-esrgan的超分辨率重建优化方法。

技术介绍

0、技术背景

1、多媒体技术不断发展的今天，图像质量的要求日益提高。然而，在许多实际应用场景中，例如医疗影像采集、遥感卫星拍摄等，由于设备限制、成本考量或环境因素，往往只能获取低分辨率(low-resolution,lr)图像。这些图像虽然记录了基本信息，但常常因分辨率不足而丢失大量细节和纹理，无法满足后续分析、诊断或决策对精确性和可靠性的高要求。特别是在医疗、生物、遥感等领域，清晰、细节丰富的高分辨率(high-resolution,hr)图像至关重要。因此，将这些有限的低分辨率图像转化为高分辨率、信息更丰富的图像，正是超分辨率(super-resolution,sr)技术所致力于解决的问题。这项技术的研究不仅具有广泛的应用前景，同时也面临着诸多技术挑战。

2、现有工作中，twitter等人研究的srgan，将生成对抗网络(gan)引入到了超分辨工作中。xintao wang等人研究的esrgan，通过堆叠残差密集连接模(rrdb)本文档来自技高网...

【技术保护点】

1.一种基于Real-ESRGAN的超分辨率重建优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的构建特征选择增强残差网络模块，其特征为：由残差密集连接模块处理图像信息，提取图像细节，经过EMA注意力模块的筛选，让残差密集连接模块处理得到特征图的关键信息，使得整个模型能够更精准地抓取图像中的有用信息，抑制不必要的信息，从而生成出更加清晰、细节更丰富的超分辨率图像。

3.根据权利要求1所述的构建改进的鉴别器模块，其特征为：将Tok-KAN模块加入到U-Net架构中，结合了KAN灵活性和U-Net全局与局部信息融合优势的方式，U-KAN鉴别器能够对生成图像...

【技术特征摘要】

1.一种基于real-esrgan的超分辨率重建优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的构建特征选择增强残差网络模块，其特征为：由残差密集连接模块处理图像信息，提取图像细节，经过ema注意力模块的筛选，让残差密集连接模块处理得到特征图的关键信息，使得整个模型能够更精准地抓取图像中的有用信息，抑制不必要的信息，从而生成出更加清晰、细节更丰富的超分辨率图像。

3.根据权利要求1所述的构建改进的鉴别器模块，其特征为：将tok-kan模块加入到u-net架构中，结合了kan灵活性和u-net全局与局部信息融合优势的方...

【专利技术属性】
技术研发人员：张红梅，李梓宇，张向利，潘守登，周庆烨，霍俊杰，韦宏毅，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：