摘要
本发明公开了一种基于扩散模型的水下图像超分辨率重建方法及系统,属于图像重建领域。采用更加轻量化的网络结构设计,不仅有效加速了模型训练和推理速度,还显著减少了网络的整体计算开销;在模型结构中引入频谱域引导机制,通过残差预测学习实现对高频图像细节的精确重建,同时融合全局频谱特征与局部空间特征,使模型具备良好的全局结构建模能力与局部纹理还原能力;所提出的多尺度细节引导训练策略,通过引入离散小波变换损失函数,充分挖掘图像在多个尺度上的高频特征,从而提升生成图像的细节保留能力与视觉感知效果。本发明方法在保持评估指标优异表现的同时,显著提升了水下图像的主观视觉质量。
技术关键词
残差预测
图像重建
离散小波变换
频谱建模
图像超分辨率重建系统
残差信息
轻量卷积神经网络
颜色校正
阶段
网络结构设计
局部空间特征
噪声
融合全局
高频特征
重建误差
预测残差
模块
系统为您推荐了相关专利信息
氧疗控制系统
像素点
成像单元
模糊PID控制器
计算误差
高频特征
图像超分辨率重建
深层特征提取
浅层特征提取
掩码矩阵
参数成像方法
数学模型
编码
轴向扩散系数
多通道