摘要
本发明提供一种面向自然图像的改进Mamba超分辨率重建方法及装置,解决了现有技术中图像超分辨率方法速度慢、图像信息提取能力不足的问题。具有以下优点:(1)本发明面向自然图像的图像超分辨率重建,可应用于现实世界自然图像提高分辨率,提升图像的清晰程度。相比于其他方法,基于改进Mamba的超分辨率重建方法能够有效提高超分辨率重建的效率和精度。其通过将选择机制集成到其状态空间模型中,根据序列中每个token的相关性有效地决定是传播还是丢弃信息。这种选择性方法可显着加快推理速度以及吞吐率。(2)本发明在构造训练数据集的过程中,使用传统双三次下采样,模糊滤波器,添加随机噪声以及旋转裁剪等方法,有效的模拟现实世界的低分辨率模糊图像,增加训练数据的多样性,使得模型能够见到更多的图像模糊类型,从而提高模型的重建质量。
技术关键词
模糊滤波器
图像训练样本
随机噪声
低分辨率模糊图像
状态空间模型
图像超分辨率方法
图像超分辨率重建
模拟真实场景
上采样
网络
链路
泊松噪声
可读存储介质
椒盐噪声
数据获取模块
系统为您推荐了相关专利信息
变分自动编码器
生成对抗网络
蒙特卡洛算法
决策树模型
数据
状态空间模型
变换器
状态监测方法
数字孪生模型
模型误差
主动脉
深度学习分类模型
生成对抗网络模型
预警方法
特征提取单元