摘要
本发明公开了一种基于参考图像的超分辨率局部重构方法,包括如下步骤:构建图像超分辨率局部重构模型并利用训练集和测试集进行训练和测试,得到训练好的图像超分辨率局部重构模型,利用所述训练好的图像超分辨率局部重构模型对输入的低分辨率图像进行重构,得到对应的高分辨率图像,其中,所述图像超分辨率局部重构模型包括可学习的纹理提取器、相关性嵌入模块、硬注意力模块、软注意力模块和特征输出模块。该超分辨率局部重构方法,利用深度学习神经网络解决小目标、低分辨率图像的检测和识别问题,通过超分辨率局部重构模型可以从低分辨率图像获取到高分辨率图像。
技术关键词
局部重构模型
图像超分辨率
重构方法
纹理特征
注意力
上采样
输出特征
变换器
深度学习神经网络
输出模块
双三次插值
集成模块
图像重建
分支
系统为您推荐了相关专利信息
通道注意力机制
缺陷检测方法
图像获取模块
输出模块
神经网络卷积层
激光标记装置
协方差估计
缺陷位置信息
闭环
卡尔曼滤波算法