申请/专利权人：长沙理工大学

申请日：2021-09-27

公开（公告）日：2024-06-14

公开（公告）号：CN113888491B

主分类号：G06T7/00

分类号：G06T7/00;G06T3/4053;G06T5/92;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06T7/13

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明公开了一种基于非局部特征的多级高光谱图像递进超分方法及系统，本发明方法包括将低分辨率图像输入预先训练好的多级渐进网络来获得重建高分辨率图像，多级渐进网络包括初步特征提取模块、最终特征提取模块及依次布置在初步特征提取模块、最终特征提取模块之间的多个基于局部和非局部特征的特征提取级模块。每一个特征提取级模块的输入经过本级特征提取后的特征图和初步卷积输出的特征图相加，再通过转置卷积上采样得到超分重建图像，然后再经过跨步卷积下采样输出至下一个特征提取级模块。本发明在每一级实现了局部特征和全局特征的联合提取，能够有效地提升高光谱重建图像的空间分辨率，同时具有更高的重建质量。

主权项：1.一种基于非局部特征的多级高光谱图像递进超分方法，其特征在于，包括将低分辨率图像输入预先训练好的多级渐进网络来获得重建高分辨率图像，所述多级渐进网络包括初步特征提取模块、最终特征提取模块以及依次布置在初步特征提取模块、最终特征提取模块之间的多个基于局部和非局部特征的特征提取级模块，每一个特征提取级模块的输入经过本级特征提取后的特征图和初步卷积输出的特征图相加，再通过转置卷积上采样得到超分重建图像，然后再经过跨步卷积下采样输出至下一个特征提取级模块；所述特征提取级模块包括多个局部和非局部特征提取模块和两组非对称卷积，所述多个局部和非局部特征提取模块之间稠密连接，使得每一个局部和非局部特征提取模块的输出与特征提取级模块的原始输入以及前面所有局部和非局部特征提取模块输出的叠加，且叠加后的特征图通过1×1×1卷积降维后作为下一个局部和非局部特征提取模块或者两组非对称卷积的输入，所述两组非对称卷积依次级联连接，且每一组非对称卷积均包括1×1×3卷积层和3×3×1卷积层，且1×1×3卷积层和3×3×1卷积层后带有ReLU激活函数层；所述局部和非局部特征提取模块包括依次相连的一个Ghost模块、非局部通道注意力模块和另一个Ghost模块，所述Ghost模块用于提取局部特征，所述非局部特征提取模块用于提取非局部特征，且输出侧的Ghost模块的输出与输入侧的Ghost模块的原始输入通过残差连接。

全文数据：

权利要求：

百度查询： 长沙理工大学 基于非局部特征的多级高光谱图像递进超分方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD