基于加权强度脉冲耦合自注意力的GAN图像超分重建算法

本发明属于深度学习技术领域，具体涉及基于加权强度脉冲耦合自注意力的GAN图像超分重建算法，包括下列步骤：构建数据集；构建神经网络模型WPCASR；利用所属训练集在所构建的WPCASR网络上进行训练；获取待超分辨率重建的图像，并通过训练完毕的WPCASR模型进行低分辨率图像的超分辨率重建；建立评价指标用于对WPCASR模型的评估。本发明整体采用GAN结构，通过引入加权强度脉冲耦合注意力，在保持对局部细节的高关注度的同时，也兼顾了全局结构信息，同时通过在图像小波分解的HF域计算对抗损失，很大程度上缓解了GAN易生成伪影的问题。本发明较好地解决了窗口自注意力的局部性限制和基于GAN生成错误细节的问题，有效实现了兼顾纹理细节和真实度的图像生成。