[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
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 | ||
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。
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。