买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安邮电大学

摘要：本发明公开了一种特征聚合图像超分辨率重建方法及系统，包括：获取待重建图像的训练样本，并以生成网络为基础网络构建卷积神经网络；基于训练样本对卷积神经网络进行训练，获得训练好的重建神经网络；利用训练好的重建神经网络对待重建图像进行超分辨率迭代重建直至达到预设要求，得到最终的目标图像。本发明既能有效解决对抗性训练的训练不稳定以及信息丢失的现象；同时，可以获得峰值信噪比更高，视觉效果更好的高分辨率图像。

主权项：1.一种特征聚合图像超分辨率重建方法，其特征在于，包括：获取待重建图像的训练样本，并以生成网络为基础网络构建卷积神经网络；基于所述训练样本对所述卷积神经网络进行训练，获得训练好的重建神经网络；利用训练好的重建神经网络对待重建图像进行超分辨率迭代重建直至达到预设要求，得到最终的目标图像；以生成网络为基础网络构建卷积神经网络的过程包括，构建特征提取单元，利用卷积层对待重建图像的特征进行浅层提取，获得图像特征；构建特征增强单元，对所述图像特征再次进行深度提取；构建注意力单元，避免图像在卷积层间传递时有信息损失，提升模型对输入特征的关注度和选择性，弥补图像信息流失；构建图像重建单元，将测试图像输入训练好的卷积神经网络，进行超分辨率重建；构建特征增强单元的过程包括，在生成网络中加入特征聚合模块，所述生成网络包括六个卷积层，将F3,F4,F5层的输出特征进行聚合后得到特征Ffeatures-fusion，然后将特征Ffeatures-fusion送入F6层作为输入特征，获得特征聚合网络；表示为：Ffeatures-fusion＝HfusionConcatF3,F4,F5其中：Concat·表示沿通道维度的串联操作，Hfusion·表示聚合模块，Ffeatures-fusion代表聚合特征；在特征聚合之后，加入最后的聚合特征和F6层的特征，得到最后的输出特征，表示为：F6-output＝Ffeatures-fusion+F6其中：F6-output代表加入特征聚合模块后生成网络的输出特征；获得所述特征聚合网络还包括在特征聚合网络中加入残差局部特征网络；所述残差局部特征网络至少包括四个以级联方式对聚合特征进行深度特征提取的残差局部特征块，通过将聚合后的特征Ffeatures-fusion作为残差局部特征网络的输入，得到最后的输出特征；整个过程表述为： 其中：代表第n个残差局部特征函数，代表每一个残差局部特征块的增强特征，表示残差局部特征网络最终的输出特征；在所述特征聚合网络中加入残差局部特征网络还包括：在每个残差局部特征块中加入对比感知通道注意力，通过动态权重调整和通道关联进行建模改进，表述为： 其中：HCCA·代表对比感知通道注意力模块，代表第n个残差局部特征块的输出特征；在残差局部特征网络的前三层加入对比感知通道注意力后，将第三层的输出特征Fout3输入到最后一个残差局部特征块中，得到整个特征聚合网络的输出特征；表示为： 其中：Fout代表最终的输出特征。

全文数据：

权利要求：

百度查询： 西安邮电大学 一种特征聚合图像超分辨率重建方法及系统