[发明专利]基于通道自关注多尺度特征学习的遥感单图超分辨率方法

权利要求书

1.一种基于通道自关注多尺度特征学习的遥感单图超分辨率方法，其特征在于，所述方法包括：

将输入图像进行下采样。

提取图像的多尺度特征。

构建通道自关注多尺度特征学习网络模块，建模各通道之间的相互依赖关系，其中，通道自关注权重为

其中，t_ji表示j^th通道对i^th通道的关注程度；

其中，通道自关注多尺度特征学习网络模块为

其中，f(x)＝w_fx，g(x)＝w_gx和h(x)＝w_hx，表示特征图送入三个卷积层后生成的三个新的特征映射，其中C、H、W分别代表特征图的通道数、高度和宽度；α是可学习的标量，并初始化为0；由通道自关注权重与h(x)进行矩阵乘法运算后重塑得到。

通过优化器对整个通道自关注多尺度特征学习网络进行优化训练。

将低分辨图像输入训练好的通道自关注多尺度特征学习网络中，得到对应超分辨率倍数的超分辨率图像。

2.根据权利要求1所述的基于通道自关注多尺度特征学习的遥感单图超分辨率方法，其特征在于，所述将输入图像进行下采样，具体为：利用一张低分辨率遥感图像作为输入，进行s倍的下采样操作得到对应于输入图像的更低分辨率图像为构造出对于输入图像的匹配图像对。

3.根据权利要求1或2所述的基于通道自关注多尺度特征学习的遥感单图超分辨率方法，其特征在于，所述提取图像的多尺度特征，具体为：通过具有不同卷积核(3×3、5×5、7×7)的多列卷积层来提取不同尺度的特征。

4.根据权利要求3所述的基于通道自关注多尺度特征学习的遥感单图超分辨率方法，其特征在于，通过Adam优化器对整个通道自关注多尺度特征学习网络进行优化训练。