[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

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。