摘要
本发明公开了一种连续尺度图像超分辨率重建方法,包括以下具体操作步骤:S1.构建训练集、验证集和验证集,使用双三次插值方法对高分辨率原始图像退化处理,得到对应低分辨率图像;S2.根据预设图像尺寸将高分辨率原始图像和低分辨率图像裁剪为成对的图像块,并对图像块进行数据增强;S3.建立深度网络模型,输入低分辨率图像重建处理后得到超分辨率重建图像;S4.定义损失函数,通过损失函数对最终的超分辨率重建图像监督,迭代优化网络模型的可学习参数并计算得到最小损失,提高深度网络模型的图像超分辨率重建质量。本发明能够逐步提升重建图像来降低解码器对图像坐标进行像素映射时的学习成本,提高大尺度因子重建任务的重建效果。
技术关键词
深度网络模型
超分辨率重建图像
图像残差
图像超分辨率重建
因子
多层感知机
上采样
双三次插值
构建训练集
解码器
图像块
双线性插值
编码器
编码向量
坐标
动态
系统为您推荐了相关专利信息
定量评价方法
斜坡单元
机器学习算法
数据挖掘方法
因子
移动式饲料
三维点云模型
传输车
分区
生长预测模型
智能工厂
预警方法
识别风险
风险评估模型
线性回归模型
邻域
监测方法
人工智能模型
智能优化算法
协作策略