[发明专利]一种基于特征通道自适应加权的超分辨图像重建方法有效

专利信息
申请号: 201910378335.X 申请日: 2019-05-08
公开(公告)号: CN110111257B 公开(公告)日: 2023-01-03
发明(设计)人: 郑丽颖;张文武;邴鑫阳;张晏博 申请(专利权)人: 哈尔滨工程大学
主分类号: G06T3/40 分类号: G06T3/40;G06N3/04;G06N3/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 150001 黑龙江省哈尔滨市南岗区*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 特征 通道 自适应 加权 分辨 图像 重建 方法
【权利要求书】:

1.一种基于特征通道自适应加权的超分辨图像重建方法,其特征在于,包括以下步骤:

(1)改进压缩激励网络SE的激励函数,得到ISE模块;

所述改进压缩激励网络SE的激励函数是在原始SE网络的基础上,利用下式将输入层和输出层进行残差连接,实现网络通道权重自适应学习;

E(y)=(σ(W2δ(W1y))×0.8+σ(y)×0.2)×2

其中,y为SE网络的输入向量;E(y)为网络的通道权重;σ()和δ()分别表示Sigmoid函数和ReLU函数;W1和W2是单隐层神经网络的权值,且C为通道个数;

(2)简化现有的EDSR网络;

(3)将ISE模型嵌入到简化的EDSR网络,得到ISE-EDSR模型;

(4)用训练样本训练ISE-EDSR模型。

2.根据权利要求1所述的一种基于特征通道自适应加权的超分辨图像重建方法,其特征在于:所述的简化现有的EDSR网络是减少EDSR网络的残差块个数和卷积核数量。

3.根据权利要求1所述的一种基于特征通道自适应加权的超分辨图像重建方法,其特征在于:将ISE模型嵌入到简化的EDSR网络,得到ISE-EDSR模型具体为:在浅层提取块、残差深层提取块和放大块的每个卷积层后嵌入ISE模块,得到基于通道自适应加权的超分辨图像重建模型。

4.根据权利要求1所述的一种基于特征通道自适应加权的超分辨图像重建方法,其特征在于,所述的用训练样本训练ISE-EDSR模型具体为:使用DIV2K数据集对模型进行训练,对训练图像进行90度、180度、270度旋转、水平翻转和0均值处理,将增强后的训练图像4倍下采样后,与原始高分辨率图像一起构成训练样本对集合,通过训练得到最终的超分辨图像重建网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910378335.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top