[發明專利]一種擁有發絲級細節的單圖像超分辨率重建方法

在審

• 申請號: 202310197751.6
• 申請日: 2023-03-02
• 公開（公告）號: CN116362969A
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 王員根;馮健聰
• 申請（專利權）人: 廣州大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/048;G06N3/0464;G06N3/045;G06N3/08
• 代理公司: 廣州高航知識產權代理有限公司 11530
• 代理人: 喬浩剛

1.一種擁有發絲級細節的單圖像超分辨率重建方法，其特征在于，包括以下步驟：

第一步：對通道上的特征圖進行LayerNorm操作；

第二步：增加門控Dconv前饋網絡模塊，移除估計模糊核模塊，并增加了雙三次插值的上采樣；

第三步：引入非局部注意機制，通過對整個圖像區域的學習來恢復局部片段；

第四步：創建雙分支的網絡結構，將非局部注意力機制和深度可分離卷積結合起來；

第五步：采用上述網絡為生成器，將帶有光譜歸一化的U-Net判別器作為判別器，用L1損失訓練一個面向PSNR的模型。然后，我們將訓練好的面向PSNR的模型作為生成器，用L1損失、感知損失和對抗性損失的組合來訓練面向GAN的模型，網絡的總損失表示如下：

L_total＝L1+L_perc+0.1×L_adv；

其中L1、L_perc和L_adv分別代表L1損失、感知損失和對抗性損失；

第六步：將權重分別設定為1、1和0.1，使用預訓練的VGG19把激活函數前的conv1，...，conv5特征圖作為感知損失；

第七步：對圖像退化的過程描述如下:

其中I_LR表示低分辨率圖像，I_HR表示高分辨率圖像，表示卷積運算，K代表模糊核，↓_bic表示雙三次下采樣，N表示加性高斯白噪聲；

第八步：將超分辨率重建的過程簡化為以下公式：

I_HR＝F(I_LR)；

其中F即為擁有發絲級細節的單圖像超分辨率重建方法。

2.根據權利要求1所述的一種擁有發絲級細節的單圖像超分辨率重建方法，其特征在于：雙分支的網絡結構包括經過一個NLSA塊的分支與另一個經過兩層3×3的深度可分離卷積的分支，兩個分支在通道上串聯起來。

3.根據權利要求2所述的一種擁有發絲級細節的單圖像超分辨率重建方法，其特征在于：用1×1的卷積來融合兩個分支，然后用CA來處理通道之間的信息交互。