【技術實現步驟摘要】
本專利技術屬于計算機視覺，具體涉及一種基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法。
技術介紹
1、遙感圖像任意尺度超分辨率是一項關鍵的圖像處理技術，旨在從低分辨率圖像中重建任意放大倍數得到的高分辨率圖像，提高空間分辨率和地物細節的精度，以滿足不同應用場景的需求。
2、現有的研究方法中，基于深度學習的遙感圖像任意尺度超分辨率已經取得了顯著的視覺效果?，F有方法通常基于離散表示或連續表示的實現方法，根據尺度因子動態預測濾波器權重或者構建隱式神經函數實現查詢坐標與信號值的映射。然而，這些方法一般采用靜態卷積，預測濾波器或構建隱式神經函數中使用尺度因子，忽略了不同尺度因子的動態特征提取需求和rsi的固有特性。此外，隨著尺度因子增長，從輸入圖像中提取的局部特征會出現嚴重缺失結構和紋理細節問題，網絡經常面對形狀扭曲和棋盤偽影等挑戰。因此，探索新的策略實現動態尺度特征提取以補充局部特征顯得尤為關鍵。
3、學習連續圖像表示能夠從低分辨率輸入重建任意尺度的高分辨率圖像，利用局部集成和隱式神經函數實現基于單特征空間潛碼的查詢坐標與信號值的映射。然而，局部集成利用一個有限的感受野計算集合權重，通常由查詢坐標和每個最近鄰坐標之間的矩形面積來計算，忽略了坐標和局部特征會丟失視覺信息，未充分考慮圖像的全局相關特征集成。此外，由于rsi紋理分布具有強隨機性，僅利用單特征空間下局部潛碼預測信號值通常導致不連續。因此，如何充分利用全局信息以及結合多特征空間的連續特征表示，增強潛碼表示性以有效處理坐標與信號值映射的不連續，成為一個亟待
技術實現思路
1、為解決上述問題，本專利技術提供了一種基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法，包括構建并訓練任意尺度超分辨率網絡模型，獲取待處理圖像輸入訓練完成的任意尺度超分辨率網絡模型得到重建圖像；所述任意尺度超分辨率網絡模型包括特征提取模塊、動態尺度頻域特征學習模塊、跨尺度非局部上采樣模塊和mfglif模塊；
2、任意尺度超分辨率網絡模型的訓練過程包括：
3、s1.將lr遙感圖像輸入特征提取模塊，得到淺層特征；所述特征提取模塊包括3×3卷積層和relu激活函數層；
4、s2.將淺層特征輸入動態尺度頻域特征學習模塊，得到多級別特征；所述多級別特征包括第一級別特征、第二級別特征和第三級別特征；
5、s3.將多級別特征輸入跨尺度非局部上采樣模塊，得到多尺度特征；所述多尺度特征包括第一尺度特征、第二尺度特征和第三尺度特征；
6、s4.將多尺度特征輸入mfglif模塊得到重建高分辨率遙感圖像。
7、本專利技術的有益效果：
8、本專利技術通過一種新的尺度感知頻域塊(safb)實現動態尺度特征提取，并利用空間和頻域特征的綜合優勢，提高網絡恢復缺失結構和紋理細節的能力；考慮到連續表示中局部集成僅利用有限感受野，引入跨尺度非局部上采樣模塊(csnub)，增強網絡利用非局部特征信息的能力；同時，引入多特征全局-局部隱式函數(mfglif)，有效增強潛碼表示，提高網絡處理坐標與信號值映射不連續的能力。
本文檔來自技高網...【技術保護點】
1.基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法，其特征在于，構建并訓練任意尺度超分辨率網絡模型，獲取待處理圖像輸入訓練完成的任意尺度超分辨率網絡模型得到重建圖像；所述任意尺度超分辨率網絡模型包括特征提取模塊、動態尺度頻域特征學習模塊、跨尺度非局部上采樣模塊和MFGLIF模塊；
2.根據權利要求1所述的基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法，其特征在于，所述動態尺度頻域特征學習模塊包括三層迭代支路，第一層迭代支路包括依次級聯的第一SAFM單元、第二SAFM單元和第三SAFM單元；第二層迭代支路包括依次級聯的第四SAFM單元、第五SAFM單元和第六SAFM單元；第三層迭代支路包括依次級聯的第七SAFM單元、第八SAFM單元和第九SAFM單元；9個SAFM單元的結構相同，均包括一個1×1卷積層和1個尺度感知頻域塊；
3.根據權利要求2所述的基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法，其特征在于，尺度感知頻域塊包括通道膨脹卷積層、通道壓縮卷積層、動態尺度感知卷積塊、ESA通道注意力層和頻域自適應濾波器；每一SAFM單元的處理過程包括：<...
【技術特征摘要】
1.基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法，其特征在于，構建并訓練任意尺度超分辨率網絡模型，獲取待處理圖像輸入訓練完成的任意尺度超分辨率網絡模型得到重建圖像；所述任意尺度超分辨率網絡模型包括特征提取模塊、動態尺度頻域特征學習模塊、跨尺度非局部上采樣模塊和mfglif模塊；
2.根據權利要求1所述的基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法，其特征在于，所述動態尺度頻域特征學習模塊包括三層迭代支路，第一層迭代支路包括依次級聯的第一safm單元、第二safm單元和第三safm單元；第二層迭代支路包括依次級聯的第四safm單元、第五safm單元和第六safm單元；第三層迭代支路包括依次級聯的第七safm單元、第八safm單元和第九safm單元；9個safm單元的結構相同，均包括一個1×1卷積層和1個尺度感知頻域塊；
3.根據權利要求2所述的基于動態尺度頻域卷積的遙感圖像任意尺度超分辨率方法，其特征在于，尺度感知頻域塊包括通道膨脹卷積層、通道壓縮卷積...
【專利技術屬性】
技術研發人員：王詩言，唐佳佳，楊燦，唐嘉，郭大川，
申請(專利權)人：重慶郵電大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。