公开(公告)号：CN109886871B

公开(公告)日：2023-04-07

申请号：CN201910014480.X

申请日：2019-01-07

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 卢越 ,  解伟 ,  郭晓强 ,  姜竹青 ,  门爱东

IPC: G06T3/40

Abstract: 本发明涉及一种基于通道注意力机制和多层特征融合的图像超分辨率方法，在残差支路开头，使用基于深度学习的单层卷积层直接提取低分辨率图像的原始特征；使用六个级联的基于通道注意力机制和多层特征融合的卷积循环单元来提取精确的深度特征；通过反卷积层对深度特征进行上采样，并且使用单层卷积层对上采样的特征进行降维，得到高分辨率图像的残差；在映射支路，使用双三次插值方法对低分辨图像进行上采样，得到高分辨率图像的映射；将高分辨率图像的映射和残差逐像素相加得到最终的高分辨率图像。本发明设计合理，充分考虑了特征通道间的差异性，高效地利用了层次化的特征，在取得较高准确率的同时，保持了较快的运行速度。

公开(公告)号：CN109886871A

公开(公告)日：2019-06-14

申请号：CN201910014480.X

申请日：2019-01-07

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 卢越 ,  解伟 ,  郭晓强 ,  姜竹青 ,  门爱东

IPC: G06T3/40

Abstract: 本发明涉及一种基于通道注意力机制和多层特征融合的图像超分辨率方法，在残差支路开头，使用基于深度学习的单层卷积层直接提取低分辨率图像的原始特征；使用六个级联的基于通道注意力机制和多层特征融合的卷积循环单元来提取精确的深度特征；通过反卷积层对深度特征进行上采样，并且使用单层卷积层对上采样的特征进行降维，得到高分辨率图像的残差；在映射支路，使用双三次插值方法对低分辨图像进行上采样，得到高分辨率图像的映射；将高分辨率图像的映射和残差逐像素相加得到最终的高分辨率图像。本发明设计合理，充分考虑了特征通道间的差异性，高效地利用了层次化的特征，在取得较高准确率的同时，保持了较快的运行速度。