[发明专利]高质量轻量级超分辨率重建网络模型设计方法

权利要求书

1.一种高质量轻量级超分辨率重建网络模型设计方法，其特征在于，包括以下步骤：

对获取的图像进行预处理，并对得到的输入图像进行底层细化特征提取；

对所述输入图像进行多级复合特征的多种程度的特征提取；

采用跳跃连接的方式对得到的底层细微特征和多级复合特征进行融合；

基于超分辨率算法对融合得到的多尺度复合特征进行重构放大，得到超分辨率重建网络模型。

2.如权利要求1所述的高质量轻量级超分辨率重建网络模型设计方法，其特征在于，所述方法还包括：

获取多张RGB训练集图像，并对所述RGB训练集图像进行增强和裁剪处理，然后将处理后的所述RGB训练集图像输入所述超分辨率重建网络模型进行训练；

获取多张RGB验证集图像，并输入训练后的所述超分辨率重建网络模型进行验证。

3.如权利要求1所述的高质量轻量级超分辨率重建网络模型设计方法，其特征在于，对所述输入图像进行多级复合特征的多种程度的特征提取，包括：

通过1ⅹ1的卷积对输入特征数量进行线性扩增；

对所得的特征图进行切分，并分别输入到不同路径进行特征提取，得到多级复合特征。

4.如权利要求1所述的高质量轻量级超分辨率重建网络模型设计方法，其特征在于，采用跳跃连接的方式对得到的底层细微特征和多级复合特征进行融合，包括：

采用跳跃连接的方式，将得到的底层细微特征和多个多级复合特征进行求和；

对得到的和值进行卷积运算，得到多尺度复合特征。

5.如权利要求1所述的高质量轻量级超分辨率重建网络模型设计方法，其特征在于，基于超分辨率算法对融合得到的多尺度复合特征进行重构放大，得到超分辨率重建网络模型，包括：

基于设定的上采样因子对得到的多尺度复合特征进行上采样运算；

使用尺寸为3X3的卷积核对上采样运算后的结果进行卷积运算，得到超分辨率重建网络模型。