摘要
本发明属于图像处理技术领域,尤其为一种轻量化的遥感图像超分辨率重建方法,包括以下步骤:步骤1,准备数据集:获取遥感图像数据集,按比例划分为训练集、验证集、测试集;步骤2,构建网络模型:构建包括浅层特征提取、深层特征提取和重建模块三部分,其中深层特征提取部分包括轻量多重特征融合块和融合增强模块;步骤3,训练网络模型:使用损失函数训练超分辨率重建网络,直到训练次数达到初始设定阈值或损失函数的值达到预设范围,则网络模型训练完成。本发明设计了轻量化超分辨率重建网络的结构和训练方式,通过分别在通道和空间维度引入轻量化的局部和全局特征,使得整体超分辨率重建网络在减小模型规模的同时,保持超分图像的质量。
技术关键词
深层特征提取
浅层特征提取
超分辨率
通道
注意力机制
遥感图像数据
网络模型训练
Sigmoid函数
卷积模块
上采样
融合功能
校准
图像处理技术
级联
训练集
系统为您推荐了相关专利信息
数据预测方法
时域卷积网络
表达式
依赖特征
注意力机制
异常检测方法
数据处理方式
工业知识图谱
卷积神经网络提取
滑动窗口方法
跨模态
轻量化卷积神经网络
分类特征
光学显微成像装置
超声成像装置
图像生成方法
多通道控制模块
图像生成模型
专用训练
噪声预测