[发明专利]一种多尺度残差注意机制网络的单图像超分辨率重建方法

权利要求书

1.一种多尺度残差注意机制网络的单图像超分辨率重建方法，其特征在于，包括以下步骤；

构建多尺度残差注意机制网络，所述多尺度残差注意机制网络包括依次连接的由卷积层构建的浅特征提取部分，由N个深度连接多尺度残差注意组、一个远程跳跃连接和全局感知外部注意机制组成的深特征提取部分，放大模块部分，以及由卷积层构建的重构部分；

将待重建的低分辨率图像I_LR，通过浅特征提取部分提取其浅层特征F₀；

将浅层特征F₀输入深特征提取模块获取深度特征F_DF；

通过放大模块部分将深度特征F_DF进行放大，获取放大后的特征F_UP；

通过重构部分，将放大后的特征F_UP转换为超分辨率图像I_SR。

2.根据权利要求1所述的多尺度残差注意机制网络的单图像超分辨率重建方法，其特征在于，所述浅层特征F₀的提取，具体如下式所示：

F₀＝f_SFEP(I_LR)

其中，f_SFEP(.)表示卷积运算，该卷积层的内核大小为3×3。

3.根据权利要求1所述的多尺度残差注意机制网络的单图像超分辨率重建方法，其特征在于，所述深度特征F_DF的提取，包括以下步骤：

第i组中的所述深度连接多尺度残差注意组表示为：

F_i＝g_i(F_i-1)＝g_i(g_i-1(…g₁(F₀)…))

其中，g_i(·)表示第i个深度连接多尺度残差注意组的函数；F_i-1和F_i分别为第i个深度连接多尺度残差注意组的输入和输出；

引入远程跳跃连接，得到的深度特征F_df为：

F_df＝F₀+W_LRSCF_N＝F₀+W_LRSCg_i(g_i-1(…g₁(F₀)…))

其中，W_LRSC为第N个深度连接多尺度残差注意组之后的卷积层权值；

通过全局感知外部注意机制获得的深度特征为：

F_DF＝f_GAEA(F_df)

其中，f_GAEA表示全局感知外部注意机制的运算；

假设F∈R^N×d是输入特征图，其中N＝h×w表示像素数，d表示特征维度，全局感知外部注意机制的表述为：

F_0ut＝AM_v

其中，式中的(α)_i，j是外部存储单元M_k的第i个像素和第j个之间的相似性；M_k，M_v∈R^S×d是独立于单个样本的两个不同且可学习的参数，并作为整个训练数据集的两个存储器；A是从先前知识中学习到的注意图；

利用A中的相似性用于更新M_v中的特征以获得最终的深度特征。