[发明专利]一种基于增强型生成对抗网络的图像超分辨率方法

权利要求书

1.一种基于增强型生成对抗网络的图像超分辨率方法，其特征在于，包括以下步骤：

1)基于RRDB嵌套残差密集结构，利用并行卷积PC实现多尺度特征提取，加入CBAM注意力机制模块提高对高频信息的学习能力，构建并行卷积密集连接残差块RR-PADB；

2)构建超分辨率网络模型，所述模型包括生成网络和判别网络，其中在生成网络中加入步骤1)中构建的并行卷积密集连接残差块RR-PADB；

3)在步骤2)中的生成网络中输入低分辨率图像，输出假的高分辨率图像，将假的高分辨率图像以及原始的低分辨率图像输入所述判别网络中，由判别网络对假的高分辨率图像进行评判，若判别为假则生成网络继续训练；若判别为真则生成网络停止训练，此时生成网络即为改进的超分辨率模型；

4)通过步骤3)中改进的超分辨率模型对图像进行处理。

2.如权利要求1所述的一种基于增强型生成对抗网络的图像超分辨率方法，其特征在于，步骤1)中构建并行卷积密集连接残差块RR-PADB的实现过程为：

并行卷积PC表达式为：

P_o＝f_3*3(P_i)+f_5*5(P_i)

其中：P_o为并行卷积层的输出，P_i为并行卷积层输入，f_3*3表示一个3*3卷积计算，f_5*5表示5*5卷积计算；

将并行卷积PC利用密集连接并加入注意力机制形成并行密集连接PADB：

并行卷积PC第一层输出F₁为：

F₁＝f_3*3(F_i)+f_5*5(F_i)

F_i表示第1层的输入，F_n(n＝1，2，3)表示第n层并行卷积后的结果，则有：

F₂＝f_3*3[C_a(F₁，F₀，)]+f_5*5[C_a(F₁，F₀，)])

F₃＝f_3*3[C_a(F₂，F₁，F₀，)]+f_5*5[C_a(F₂，F₁，F₀，)])

其中：C_a表示特征拼接操作；

经过密集连接后再经过一次3*3卷积提取特征：

F＝f_3*3(F₃)

其中F为经过特征提取得到的特征图；

将特征图F再与CBAM注意力机制模块结合，CBAM注意力机制模块为先进行一次通道注意力再进行一次空间注意力：

首先进行一次通道注意力运算F′＝M_C(F)⊙F

再进行一次空间注意力运算F″＝M_S(F′)⊙F′

其中F″为经过CBAM注意力机制的运算结果，F′为经过通道注意力的运算结果，M_C(F)表示通道注意力得到的权重结果，⊙表示对应值相乘，M_S(F′)表示空间注意力得到的权重结果；

最终并行卷积密集连接块的结果表示为：

F″＝M_S(F′)⊙(M_C(F)⊙{f_3*3[C_a(F₃，F₂，F₁，F_i)]})

并行卷积密集连接残差块RR-PADB表示为：

R₁＝β[D(R_i)]+R_i

R₂＝β[D(R₁)]+R₁

R₃＝β[D(R₂)]+R₂

R_O＝β[D(R₃)]+R_i

其中：R_i表示RR-PADB的输入，R_n(n＝1，2，3)表示经过n层RR-PADB的输出，R_O表示RR-PADB的输出，D表示并行卷积密集连接运算，β为参数。