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：本发明公开了一种基于快速傅里叶卷积网络的轮胎图像超分辨率重建方法，涉及图像重建技术领域，包括以下步骤：基于快速傅里叶卷积网络，建立图像超分辨率重建网络SFSR；将轮胎低分辨率图像输入至图像超分辨率重建网络SFSR中的浅层特征提取子网络，获得图像浅层特征；将图像浅层特征输入至图像超分辨率重建网络SFSR中的深层特征提取子网络，获得图像深层特征；将图像浅层特征和图像深层特征输入至图像超分辨率重建网络SFSR中的高质量重建子网络，对图像浅层特征和图像深层特征进行融合，获得轮胎高分辨率图像。本发明解决了现有方法重建边缘模糊、需要大量计算资源和内存，以及计算效率低的问题。

主权项：1.一种基于快速傅里叶卷积网络的轮胎图像超分辨率重建方法，其特征在于，包括以下步骤：S1：基于快速傅里叶卷积网络，建立图像超分辨率重建网络SFSR；S2：将轮胎低分辨率图像输入至图像超分辨率重建网络SFSR中的浅层特征提取子网络，获得图像浅层特征；S3：将图像浅层特征输入至图像超分辨率重建网络SFSR中的深层特征提取子网络，获得图像深层特征；S4：将图像浅层特征和图像深层特征输入至图像超分辨率重建网络SFSR中的高质量重建子网络，对图像浅层特征和图像深层特征进行融合，获得轮胎高分辨率图像，完成基于快速傅里叶卷积网络的轮胎图像超分辨率重建；所述S3中深层特征提取子网络包括多个SFTB模块和一个第二卷积层，所述多个SFTB模块依次连接，且最后一个SFTB模块与第二卷积层连接，所述SFTB模块的输出特征为： 其中，为第个SFTB模块的输出特征，，为SFTB模块的数量，为第个SFTB模块中的卷积层，为第个空域-频域并联层SFPL，，为空域-频域并联层SFPL的数量，为第个SFTB模块的输出特征，表示通道拼接操作；所述深层特征提取子网络输出的图像深层特征为： 其中，为第二卷积层，为第个SFTB模块，为深层提取特征子网络的输出特征通道数，为图像浅层特征，为实数集合，为输入图像的高度，为输入图像的宽度；所述SFTB模块包括多个空域-频域并联层SFPL、一个第三卷积层和一个第一长跳跃连接层，所述多个空域-频域并联层SFPL依次连接，最后一个空域-频域并联层SFPL与第三卷积层连接，所述第三卷积层与长跳跃连接层连接；所述空域-频域并联层SFPL包括二阶通道注意力模块SOAB和快速傅里叶卷积模块FFCB，所述二阶通道注意力模块SOAB和快速傅里叶卷积模块FFCB组成并行网络，并使用常数对二阶通道注意力模块SOAB的输出进行加权，所述空域-频域并联层SFPL的输出特征为： 其中，表示层归一化，为第一中间特征，为第二中间特征，为输入特征，为常数，为二阶通道注意力模块，为快速傅里叶卷积模块；所述二阶通道注意力模块SOAB包括依次连接的Reduction卷积层、GELU高斯误差线性单元激活函数、Expansion卷积层和二阶通道注意力层SOCA，所述二阶通道注意力层SOCA包括依次连接的池化层GCP、第四卷积层、ReLU层、第五卷积层和Sigmoid层；所述快速傅里叶卷积模块FFCB的输出为： 其中，为卷积层，为基于通道的二维快速傅里叶逆变换，为HardSwish层，为卷积层，为基于通道的二维快速傅里叶变换，为中间特征。

全文数据：

权利要求：

百度查询： 西安邮电大学 基于快速傅里叶卷积网络的轮胎图像超分辨率重建方法