[发明专利]一种基于动态混合注意力机制的轻量级超分辨重建方法及系统

权利要求书

1.一种基于动态混合注意力机制的轻量级超分辨重建方法，其特征在于，包括：

步骤S1：对输入的低分辨率图像进行浅层特征提取，得到不同维度的特征图；

步骤S2：将所述不同维度的特征图分割为若干个子图，对每个所述子图采用非局部的空间注意力机制进行计算，得到其空间维度上的长距离依赖关系；输出非局部的空间注意力特征图；

步骤S3：将所述非局部的空间注意力特征图经过n个深层特征提取模块进行深层特征提取，输出特征图x_n；其中，每层所述深层特征提取模块包括：将所述非局部的空间注意力特征图经过注意力分支与非注意力分支，提取各个维度特征图中重要的对象和区域，并使用动态注意力模块对所述注意力分支与所述非注意力分支计算对应的权重；

步骤S4：将x_n采用非局部的空间注意力机制进行计算，输出其非局部的空间注意力特征图x_n′；

步骤S5：使用最近邻插值的上采样方式与1x1卷积核形成像素级别的空间-通道注意力机制，对x_n′进行重建，得到放大的x_n′；对所述低分辨率图像使用亚像素方式上采样后与所述放大的x_n′进行融合，得到最终的超分辨率图像。

2.根据权利要求1所述的基于动态混合注意力机制的轻量级超分辨重建方法，其特征在于，所述步骤S2：将所述不同维度的特征图分割为若干个子图，对每个所述子图采用非局部的空间注意力机制进行计算，得到其空间维度上的长距离依赖关系；输出非局部的空间注意力特征图，具体包括：

步骤S21：将所述不同维度的特征图分割为4张子图；设定当前所述子图的像素由a_i表示，该子图的其他像素由a_j表示，计算该像素点a_i与其它像素点a_j之间相似性权重y_i如公式(1)～(2)所示：

其中，C(·)是归一化操作，C(x)＝∑_jf(x_i,x_j)；g(·)是一个映射函数，对输入特征进行变换；f(·)表示Embedded Gaussian函数，用于度量两个点之间的相似性；θ(a_i)＝W_θa_i，并且有g(a_j)＝W_ga_j，W_θ、W_g分别代表1x1卷积作用产生的参数；

步骤S22：最后根据计算结果，并采用残差连接，得到区域级的非局部注意力机制输出非局部的空间注意力特征图x′_i，如公式(3)所示：

x′_i＝W_zy_i+a_i (3)

其中，W_z代表1x1卷积作用产生的参数。