[发明专利]基于通道-扩散双分支网络的图像超分辨率重建方法

权利要求书

1.一种基于通道-扩散双分支网络的图像超分辨率重建方法，其特征在于，包括如下步骤：

(1)构建训练样本集和测试样本集：

(1a)获取N幅RGB图像，并对每幅RGB图像进行1/4降采样，得到降采样后的N幅RGB图像，其中N≥100；

(1b)将N幅RGB图像分别裁剪为大小为L×L的图像块，总共得到H个图像块，同时将每幅RGB图像对应的降采样后的RGB图像裁剪为大小为的图像块，得到H个降采样后的图像块，并将每个裁剪后的图像块作为对应的降采样后裁剪的图像块的标签，然后选取M个降采样后的图像块及其对应的标签组成训练样本集R，将其余降采样后的图像块及其对应的标签组成测试样本集E，其中L≥192，M≥1/2H；

(2)构建通道-扩散双分支网络O：

构建包括顺次连接的第一卷积层、D个通道-扩散残差模块、第二卷积层、上采样模块的通道-扩散双分支网络O；通道-扩散残差块包括自适应卷积模块以及与其连接的并行排布的通道注意力分支和扩散分支；自适应卷积模块包括多个卷积层和多个非线性激活层；扩散分支包括P-M扩散层、卷积层和非线性激活层；通道注意力分支包括池化层、多个非线性激活层和多个卷积层，D≥10；

(3)对通道-扩散双分支网络O进行迭代训练：

(3a)初始化迭代次数为s，最大迭代次数为S，S≥10000，第s次迭代的通道-扩散双分支网络模型为O_s，O_s的权值、偏置参数分别为w_s、b_s，并令s＝1，O_s＝O；

(3b)将训练样本集R作为通道-扩散双分支网络O的输入，第一卷积层对每个训练样本进行特征提取；D个通道-扩散残差模块对所提取的n₁幅特征图进行特征映射；第二卷积层对特征映射得到的n₁个非线性特征图进行特征提取，并与第一卷积层提取的n₁幅特征图进行逐元素相加；上采样模块对相加得到的n₁幅特征图进行上采样后进行维度变换，得到一幅超分辨率重建图像，其中n₁为第一卷积层、第二卷积层的卷积核个数；

(3c)采用L1范数计算损失函数，并通过每幅重建图像和其对应训练样本标签计算O_s的损失值L_s，通过链式法则分别计算L_s对网络中的权值参数ω_s及偏置参数b_s的偏导和并根据对ω_s、b_s进行更新，得到本次迭代的通道-扩散双分支网络模型；

(3d)判断s≥S是否成立，若是，得到训练好的通道-扩散双分支网络模型O*，否则，令s＝s+1，并执行步骤(3b)；

(4)获取图像重建结果：

将测试样本集E作为训练好的通道-扩散双分支网络模型O*的输入进行前向传播，得到所有测试样本对应的重建图像。