[发明专利]一种用于菊花存储仓库的图像超分辨率重建方法及设备

权利要求书

1.一种用于菊花存储仓库的图像超分辨率重建方法，其特征是：包括以下步骤：

P100、在计算机上根据设计的结构搭建CNN网络，所述CNN网络沿着深度方向依次设有低级信息提炼模块、高级信息提炼模块和超分辨率映射模块，多个所述高级信息提炼模块顺次连接；

所述高级信息提炼模块的数学模型为：

N1＝γ1(j1c3(T^m))

N2＝γ2(j1d3(T^m))

N3＝fu(N1,N2)

N4＝jb(N3,S^m)*N1

N5＝jd(N3,L^m)*N2

C^m+1＝jc(||N4,N5||,C^m)×||N4,N5||

S^m+1＝γ3(j2c3(C^m+1))

L^m+1＝γ4(j2d3(C^m+1))

T^m+1＝γ5(j3c1(||S^m+1,L^m+1||))

其中，T^m表示从核心输入端输入高级信息提炼模块的特征图，S^m表示从第一旁路输入端输入高级信息提炼模块的特征图，L^m表示从第二旁路输入端输入高级信息提炼模块的特征图，C^m表示从中部输入端输入高级信息提炼模块的特征图；j1c3()和j2c3()均表示卷积核大小为3*3的普通卷积运算，j1d3()和j2d3()均表示卷积核大小为3*3、膨胀率为2的膨胀卷积运算，j3c1()表示卷积核大小为1*1的普通卷积运算，γ1()、γ2()、γ3()、γ4()和γ5()均代表激活函数ReLU，jb()表示第一旁路空间注意力模块，jd()表示第二旁路空间注意力模块，*表示利用空间校准图去校准特征图，jc()表示中部通道注意力模块，×表示利用通道校准图去校准特征图，||·||表示将其中的特征图做拼接操作，fu()表示将特征图N1与特征图N2融合，C^m+1表示从中部输出端输出高级信息提炼模块的特征图，S^m+1表示从第一旁路输出端输出高级信息提炼模块的特征图，L^m+1表示从第二旁路输出端输出高级信息提炼模块的特征图，T^m+1表示从核心输出端输出高级信息提炼模块的特征图；

P200、获取训练数据集，利用所述训练数据集训练所述CNN网络，所述训练数据集中包括高分辨率仓库菊花图像及其对应的低分辨率仓库菊花图像；

P300、获取需要进行重建的现场菊花图像，将所述现场菊花图像输入步骤P200中训练完毕的CNN网络，所述现场菊花图像依次经过所述低级信息提炼模块和各个所述高级信息提炼模块后，最后一个所述高级信息提炼模块的核心输出端输出综合特征图；

P400、将所述综合特征图输入所述超分辨率映射模块，所述超分辨率映射模块对所述综合特征图进行超分辨率重建，然后输出分辨率大于所述现场菊花图像的目标菊花图像。

2.根据权利要求1所述的用于菊花存储仓库的图像超分辨率重建方法，其特征是：所述CNN网络中设有中间信息融合模块，所述中间信息融合模块将各个所述高级信息提炼模块中部输出端输出的特征信息与所述综合特征图融合后，再输入所述超分辨率映射模块。