一种基于深度学习的分辨率鲁棒二维数字图像相关方法

本发明提出了一种基于深度学习的分辨率鲁棒二维数字图像相关方法，属于数字图像处理技术领域。本发明通过构建包含局部特征提取、全局特征捕获和多分辨率映射的深度学习网络，实现了逐像素的位移与应变场预测。在训练阶段，局部特征提取模块利用卷积神经网络提取细微变形特征，随后使用自注意力机制捕获全局长程依赖。多分辨率映射模块通过连续特征映射技术，实现不同尺度间的特征插值，提升对多分辨率场景的泛化性。本发明无需人工设定关键参数，计算效率高、鲁棒性强，尤其适用于真实工业场景中的高精度变形监测任务。