公开(公告)号：CN117196940A

公开(公告)日：2023-12-08

申请号：CN202310908104.1

申请日：2023-07-23

Applicant: 哈尔滨理工大学

Inventor： 韩玉兰 ,  顾琴 ,  崔玉杰 ,  兰朝凤

IPC: G06T3/40 ,  G06V10/774 ,  G06V10/82 ,  G06V10/776 ,  G06V10/80 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的适用于真实场景图像的超分辨率重构方法，所述方法包括：对于输入的低分辨率图像，通过树状结构形成多分支超分辨率重构网络得到多个重构结果，采用空间频率方法进行融合得到最终的超分辨重构结果。其中，树状多分支结构增强特征表现能力，进而丰富重构图像高频细节。分支采用双通道残差策略对基础块进行连接，允许更多低频特征通过，以及基础块融入了密集残差结构和注意力机制，可以在加深网络的同时使网络在通道和空间上进行全局信息自适应调整，因此提升网络的自适应能力和鲁棒性。本发明提供的方法训练出的模型在真实场景下有较好的表现能力，使重构出的高分辨率图像包含更多纹理细节。