摘要
本发明提供一种工业CT图像的增强型Swin Transformer超分辨率重建方法,属于计算机图像处理和工业无损检测领域。本方法针对工业CT图像超分辨率重建时细节信息恢复不够完整的问题,提供一种增强型Swin Transformer超分辨率重建方法,将Swin Transformer与CNN的优势结合,通过基于窗口的多头自注意力机制和多维注意力卷积模块更有效地获取输入图像的全局和局部特征信息,引入的细节增强卷积模块将传统卷积和差分卷积结合,有利于提高网络对细节特征的提取能力和泛化性。本方法适用于任意复杂零件CT图像的超分辨率重建,分辨率提高可靠,适应性强。
技术关键词
高分辨率CT图像
工业CT图像
卷积模块
深层特征提取
浅层特征提取
超分辨率
CT图像数据
退化模型
协同注意力
噪声数据
工业无损检测
零件
局部特征信息
模糊核估计
生成器网络
系统为您推荐了相关专利信息
深度学习技术
肾癌
编码特征
卷积模块
多尺度特征
注意力机制
特征提取模块
深度强化学习
卷积模块
场景
运动想象脑电信号
深度卷积特征
卷积网络模型
深度特征提取
特征窗口
拼接模块
检测网络模型
智能检测装置
智能检测方法
注意力