[发明专利]一种基于注意力机制的逐分辨率提升图像超分辨率复原方法

权利要求书

1.一种基于注意力机制的逐分辨率提升图像超分辨率复原方法，其特征在于，该方法包括如下步骤，

步骤一：根据卷积神经网络对图像特征提取的特点，使用基于特征维度与空间维度注意力机制的卷积模块，提取图像细节和不同维度的图像特征信息；

步骤二：根据图像超分辨率复原上采样过程特点，借鉴对抗神经网络领域逐分辨率提升网络的相关思想，实现逐分辨率提升的超分辨率复原。

2.根据权利要求1所述的一种基于注意力机制的逐分辨率提升图像超分辨率复原方法，其特征在于，所述步骤一中在卷积神经网络里使用特征通道维度注意力模块的方式进行通道维度权重分配；在超分辨率复原领域中引用了一种特征重标定策略SElayer模块，SElayer模块适用于任何映射，使模型直接学习到通道间的特征关系。

3.根据权利要求1所述的一种基于注意力机制的逐分辨率提升图像超分辨率复原方法，其特征在于，所述步骤一中引用可变性卷积模块，引入图像空间维度注意力机制，提高神经网络图像细节特征提取能力；可变性卷积V1仅在进行卷积操作时给普通卷积的每个采样点增加了一个偏移，可变性卷积V2在V1的基础上还允许调节每个采样位置或者特征偏移；本发明用到的可变性卷积V2，在具备学习空间形变能力的同时也具备了区分采样点重要性的能力。

4.根据权利要求1所述的一种基于注意力机制的逐分辨率提升图像超分辨率复原方法，其特征在于，所述步骤二中在一个网络内采用逐层提升的结构设计，利用多分辨率信息融合来进行超分辨率复原；在训练时先训练低倍数的上采样模型，用训练低倍数上采样模型得到的参数，来得到高倍数的上采样模型；通过此上采样模型，进行下一步训练。