摘要
本发明公开了一种提升图像超分辨率的方法,属于图像超分辨率领域,包括:选取合适的图像数据集;按合适比例对数据集进行划分;对浅层特征提取模块进行改进;对深层特征提取模块进行相应的改进,采用多尺度特征提取模块对特征图进行特征提取,增强网络的特征提取能力;采用改进的高效通道注意力网络用于计算特征图各个通道的重要性,提升算法的特征表达能力;采用多层次特征融合机制来加强网络对中间层特征信息的利用,增强算法的重建能力;设置训练相关参数,训练模型,保存权重;加载验证集损失函数最小的训练权重,测试模型重建性能。本发明能够更好的提高重建图像的质量,获得更加真实的超分辨率图像。
技术关键词
图像超分辨率
多尺度特征提取
多层次特征融合
深层特征提取
特征提取能力
残差模块
浅层特征提取
网络
中间层
通道
注意力
Sigmoid函数
ReLU函数
算法
机制
特征提取模块
加权特征
训练集
系统为您推荐了相关专利信息
遥感影像数据
无人机影像数据
编码器参数
滑坡识别方法
ResNet网络
高精度模拟方法
水动力参数
生成对抗网络
水动力模型
洪涝预测
表面缺陷检测
缺陷检测系统
表面缺陷图像
高密度互连印刷电路板
对象