[发明专利]图像超分辨率重建方法及装置

说明书

本发明提供一种图像超分辨率重建方法及装置，所述方法包括：将待重建图像输入至图像重建模型，得到图像重建模型输出的超分辨率图像。其中，图像重建模型的注意力层包括多个注意力模块，各注意力模块用于对上一注意力特征依次进行上采样和注意力特征提取，得到当前模块的当前注意力特征，并将当前模块的当前注意力特征作为下一注意力模块的上一注意力特征。首个注意力模块的上一注意力特征为待重建图像的各子图像的初始特征，末个注意力模块的当前注意力特征作为各子图像的注意力特征。本发明不仅能够使得超分辨率图像准确保留待重建图像的细节信息，而且减小了图像重建过程的计算量。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像超分辨率重建方法及装置。

背景技术

高分辨率图像在医学治疗、视频监控、遥感卫星成像等领域发挥着重要的作用。然而，由于成像设备在获取图像过程中会受到系统噪声、成像环境等影响，导致采集到的图像分辨率较低。因此，需要对采集到的图像进行超分辨率重建，但若采用改进硬件设备来进行超分辨率重建，会增加制造成本。

目前，多通过训练完成的卷积神经网络来对图像进行超分辨重建，以提高图像的分辨率。然而，卷积神经网络需要学习图像的大规模特征，使得网络参数数量增大。若采用单一尺度的卷积算子将极大限制网络的学习能力，使得重建后的图像无法准确保留原始图像的细节信息；若采用多尺度的卷积算子，则会带来降低运算效率和过拟合的缺陷。

发明内容

本发明提供一种图像超分辨率重建方法及装置，用以解决现有技术中图像超分辨率重建效率较低且重建后的图像无法准确保留原始图像的细节信息的缺陷。

本发明提供一种图像超分辨率重建方法，包括：

确定待重建图像；

将所述待重建图像输入至图像重建模型，得到所述图像重建模型输出的超分辨率图像；

其中，所述图像重建模型是基于样本图像以及样本图像对应的低分辨率图像训练得到的；所述图像重建模型通过注意力层对所述待重建图像的各子图像的初始特征进行注意力特征提取，并基于各子图像的注意力特征进行超分辨率重建，所述注意力层包括多个注意力模块，各注意力模块用于对上一注意力特征依次进行上采样和注意力特征提取，得到当前注意力特征，并将所述当前注意力特征作为下一注意力模块的上一注意力特征；首个注意力模块的上一注意力特征为所述待重建图像的各子图像的初始特征，末个注意力模块的当前注意力特征作为各子图像的注意力特征。

据本发明提供的一种图像超分辨率重建方法，所述将所述待重建图像输入至图像重建模型，得到所述图像重建模型输出的所述待重建图像的超分辨率图像，包括：

将所述待重建图像输入至所述图像重建模型的图像分割层，由所述图像分割层对所述待重建图像进行切分，得到所述图像分割层输出的所述待重建图像的多个子图像；

将各子图像输入至所述图像重建模型的特征嵌入层，由所述特征嵌入层将各子图像的RGB值按顺序展开为多个嵌入向量，得到所述特征嵌入层输出的多个嵌入向量；

将多个嵌入向量输入至所述图像重建模型的特征提取层，由所述特征提取层对多个嵌入向量进行注意力特征提取，得到所述特征提取层输出的各子图像的初始特征；

将各子图像的初始特征输入至所述注意力层，得到所述注意力层输出的各子图像的注意力特征；

将各子图像的注意力特征输入至所述图像重建模型的图像重建层，由所述图像重建层对各子图像的注意力特征进行卷积处理，得到所述图像重建层输出的所述待重建图像的超分辨率图像。

根据本发明提供的一种图像超分辨率重建方法，所述将各子图像的初始特征输入至所述注意力层，得到所述注意力层输出的各子图像的注意力特征，包括：