[发明专利]基于注意力机制的图像去马赛克方法

权利要求书

1.基于注意力机制的图像去马赛克方法，其特征在于：包括以下步骤：

S1:构建数据集：

包括训练集、验证集和测试集，并对数据集进行预处理，仿真得到Bayer图像；

S2:采集得到的数据输入到训练网络中，然后提取特征；

S3:用基于注意力机制的端到端神经网络模型，将步骤2提取得到的特征，分别输入至所述基于注意力机制的端到端神经网络模型进行训练，得到去马赛克模型；

对于视觉系统，上述过程可以抽象成下面的式子：

其中 g(x) 表示对输入特征进行处理并产生注意力的过程，f(g(x),x) 表示结合注意力对输入特征进行处理的过程；

S4：利用步骤3得到的去马赛克模型处理测试集，测试得到的模型性能；

S5：对步骤4得到的去马赛克图像进行定量评价，评价指标采用峰值信噪比PSNR

。

2.根据权利要求1所述的基于注意力机制的图像去马赛克方法，其特征在于：所述的步骤S1中，用VOC2012数据集来训练网络，对原始16700张数据进行增广处理得到20万训练图像；对于测试集，使用Kodak和McMaster数据集，Kodak数据集由24幅图像组成，分辨率为768×512；McMaster数据集由18张图像组成， 分辨率500×500；预处理采用Bicubic插值对原始高分辨率图像进行2倍的降采样，生成 GBRG Bayer模式的训练和测试数据；所有训练图像都被随机裁剪成88×88像素大小的斑块。

3.根据权利要求1所述的基于注意力机制的图像去马赛克方法，其特征在于：所述的S2中这里以全局注意力机制(GAM)为例，并在公式1和2；给定输入特征F₁ ，中间状态F₂和输出F₃定义为

其中 M_C和 M_S分别为通道注意力图和空间注意力图；表示按元素进行乘法操作。

4.据权利要求1所述的基于注意力机制的图像去马赛克方法，其特征在于：所述的步骤S3中，注意力机制可以理解为，计算机视觉系统在模拟人类视觉系统中可以迅速高效地关注到重点区域的特性；对于人类来说，当面对复杂场景的时候，我们可以迅速关注到重点区域，并处理这些区域。