[發明專利]一種基于多尺度通道注意力機制的單幅圖像超分辨率方法有效
| 申請號： | 202011318695.X | 申請日： | 2020-11-23 |
| 公開（公告）號： | CN113160047B | 公開（公告）日： | 2023-05-23 |
| 發明（設計）人： | 王正學;高廣謂;吳飛;岳東 | 申請（專利權）人： | 南京郵電大學 |
| 主分類號： | G06T3/40 | 分類號： | G06T3/40;G06N3/0464;G06N3/08 |
| 代理公司： | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人： | 曹坤 |
| 地址： | 210003 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 尺度 通道 注意力 機制 單幅 圖像 分辨率 方法 | ||
本發明公開了一種基于多尺度通道注意力機制的單幅圖像超分辨率方法。本發明主要用于單幅圖像超分辨率，屬于圖像處理領域。本網絡模型由若干卷積層、下采樣模塊、上采樣模塊和多尺度通道注意力模塊連接構成。本模型的主干網絡由若干多尺度通道注意力模塊、上采樣模塊和下采樣模塊組成的三個并行分支構成。首先，把經過預處理上采樣的低分辨率圖像送入卷積層進行淺層特征提取；然后，對提取到的特征，送入主干網絡以進行深層特征提取；最后，將三個不同分支提取到的特征進行連接，并將其送入由若干多尺度注意力模塊和卷積層構成的圖像重建網絡，以輸出高分辨率圖像。
技術領域
本發明涉及圖像超分辨領域，具體涉及一種基于多尺度通道注意力機制的單幅圖像超分辨率方法。
背景技術
目前，人們對高質量圖像的要求越來越高。單幅圖像超分辨率(SISR)旨在從單幅低分辨率圖像(LR)重建出高分辨率圖像(HR)。高分辨率圖像不僅意味著視覺上的清晰，而且意味著圖像能夠提供更多的細節，這些細節在醫學成像、視頻監控和衛星成像等領域有著重要作用。因此，如何提高單幅圖像超分辨率效果成為研究熱點之一。
單幅圖像超分辨率的算法分為三類：(1)基于插值的方法；(2)基于重構的方法；(3)基于學習的方法。然而，基于插值的算法包括雙三次插值(Bicubic)和雙線性插值(Bilinear)等方法均存在精度不足問題；基于重構的方法通常采用復雜的先驗知識來限制可能的解空間，其優點是生成靈活而尖銳的細節。然而，隨著尺度因子的增大，許多基于重構的方法的性能迅速下降。最近，深度神經網絡的強大功能已經使SISR的性能顯著提高。如今的工作傾向于建立端到端的卷積神經網絡(CNN)模型，以通過使用大量訓練數據集學習從LR到HR圖像的映射函數，基于深度學習的SISR算法已經證明了它相對于基于重構、基于插值和其他基于學習的方法的巨大優勢。
發明內容
針對上述問題，本發明提供了一種基于多尺度通道注意力的單幅圖像超分辨率神經網絡模型和方法。
本發明的技術方案是：一種基于多尺度通道注意力機制的單幅圖像超分辨率方法，具體操作步驟如下：
步驟(1.1)、對低分辨率輸入圖像進行預處理，把輸入的低分辨率圖像上采樣至其目標高分辨率圖像的大小；
步驟(1.2)、針對經過預處理后的低分辨圖像Ipreup，將其送入由一個核大小為3×3的卷積層構成的淺層特征提取模塊進行特征Is的提取；將提取到的特征Is送入由L1，L2和L3分支組成的特征提取網絡進行深層特征IDF提取；
步驟(1.3)、再將提取到的深層特征IDF送入由j個多尺度通道注意力網絡和一個3×3卷積層構成的重建模塊中，從而輸出最終的高分辨圖像SR。
進一步的，在步驟(1.1)中，所述把輸入的低分辨率圖像上采樣至其目標高分辨率圖像的大小，具體如下式所示：
Ipreup＝Fup4(ILR)???????(1)
式中，Fup4表示采樣因子為4的上采樣操作，ILR表示輸入低分辨率圖像，Ipreup表示上采樣預處理后的圖像。
進一步的，在步驟(1.2)中，所述進行特征Is的提取，具體如下式所示：
Is＝Fs(Ipreup)????????(2)
式中，Fs和Is分別表示淺層特征提取操作和提取到的特征。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京郵電大學，未經南京郵電大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011318695.X/2.html，轉載請聲明來源鉆瓜專利網。
