[发明专利]一种基于自监督残差感知网络的数码变焦方法

权利要求书

1.一种基于自监督残差感知网络的数码变焦方法，其特征在于，包括以下步骤：

(1)对SRRAW数据集进行预处理，获取残差图像；

(2)使用边缘增强和细节增强操作作用在残差图像上，将残差图像的边缘和细节增强后作为残差感知辅助网络的标记；

(3)通过辅助网络将丢失的残差信息转化为特征表示融合到数码变焦的深度缩放网络中；

(4)通过加和的Loss联合训练辅助网络和深度缩放网络,提高深度缩放网络的性能；

所述步骤(2)包括以下步骤：

(21)定义边缘增强算子k₁和细节增强算子k₂为：

(22)对于边缘增强卷积，设定步长为1，边缘填充为0；对于细节增强卷积，设定补偿为6，边缘填充为0；

(23)将低分辨率图像Y定义为增强卷积的输入，增强后的残差图像R作为标记，用L₁范数定义辅助任务的损失来优化辅助任务参数，损失函数定义如下：

其中，Θ₁表示辅助任务RAT的参数，m表示训练集的样本数，yⁱ∈Y表示第i个低分图像，rⁱ∈R表示对应的增强后的残差图像；F_RAT(·)表示辅助任务的网络结构。

2.根据权利要求1所述的一种基于自监督残差感知网络的数码变焦方法，其特征在于，步骤(3)所述的融合主要包括双向Top-down连接融合特征以及通过多尺度池化旋转空间注意力机制调整融合后的特征。

3.根据权利要求1所述的一种基于自监督残差感知网络的数码变焦方法，其特征在于，所述步骤(3)包括以下步骤：

(31)双向Top-down融合方式会将辅助网络中语义级别的特征通过加和的方式融合到缩放网络的浅层(F₀)中，而辅助网络中浅层的特征融合到缩放网络的语义层(F_N)中；

(32)多尺度池化操作会将所有的通道分成N组，把平均池化应用到在不同的组中，获得多尺度的空间感知区域：

其中，F_avg(·)代表平均池化操作，c_i表示通道池化的尺度；

(33)将所有特征映射旋转四次，然后将所有的特征映射在空间层面连接成一个新的特征：

其中F_Rot(·)表示旋转操作，R_ij表示第i个特征映射旋转90×j的角度，表示连接操作；

(34)应用卷积层，通过融合局部感受野中的空间和通道信息来构造信息丰富的特征：

其中，W_D表示卷积层的参数，表示矩阵加法；

(35)得到空间注意图α来重新缩放这些特征表示:

其中，α_i和V_i分别表示第i位置的缩放因子和特征映射。

4.根据权利要求1所述的一种基于自监督残差感知网络的数码变焦方法，其特征在于，所述步骤(4)通过以下公式实现：

L(Θ₁,Θ₂)＝L_RAT(Θ₁)+λ·L_DFZN(Θ₂)

其中，L(Θ₁,Θ₂)为混合损失函数，Θ₁表示辅助任务RAT的参数，Θ₂表示深度缩放网络的参数，L_RAT(Θ₁)为辅助任务RAT的损失函数，L_DFZN(Θ₂)为深度缩放网络DFZN的损失函数，m为训练集的样本数，λ是权衡参数。