摘要
本发明公开了一种基于分层感知蒸馏的图像超分辨率方法,包括以下操作步骤:步骤一:输入低分辨率图像数据集;步骤二:浅层特征提取过程;步骤三:深层特征提取与增强过程:图像通过更深的网络层进行处理,以提取复杂的高层次特征;步骤四:图像重建与优化:在特征提取和增强之后,模型将这些提取到的特征进行整合;步骤五:输出重建结果:经过处理和重建的图像被输出为高分辨率版本,输出结果显示了显著的视觉改善。本发明与现有的技术相比的优点在于:本发明通过优化超分辨率重建模型的网络结构,通过结合卷积神经网络与视觉变压器的优势,开发出更加轻量化且高效的模型。
技术关键词
图像超分辨率方法
浅层特征提取
深层特征提取
超分辨率重建模型
图像重建
重建高分辨率图像
引入注意力机制
多尺度特征提取
蒸馏
高层次
分层
深度学习模型
纹理
视觉特征
网络结构
数据
上采样