1.一种基于edsr单图超分辨率重建方法,其特征在于,具体重建方法如下:
s1、标准化输入:首先,将输入的图像像素标准化至(-1,1)之间,公式为:i/127.5-1,然后,将标准化的图像像素输入至头卷积层;
s2、在头卷积层,做3*3卷积,卷积核个数为图像放大倍数的平方*3,然后输出至resblock层;
s3、在resblock层,resblock层可重复8次、12次或16次,单次步骤如下:
s3.1、先做1*1卷积,给通道做扩展学习原图更多的细节特征;
s3.2、接着做relu激活函数;
s3.3、再做1*1卷积,使通道数按比例压缩,减少参数大小和加快计算;
s3.4、最后进行3*3卷积,得到本层输出特征图,将输入层与输出层相加就是本层的最终输出结果;
s4、经头卷积层输出结果输送至尾卷积层,将最后一层resblock输出作为输入,做3*3卷积,卷积核个数为图像放大倍数的平方*3,得到特征矩阵m;将标准化输入作为输入,做5*5卷积,卷积核个数为图像放大倍数的平方*3,得到特征举证n,m+n即为尾卷积层输出;
s5、在像素拼图层,采用像素拼图上采样法,将尾卷积层的输出结果做像素拼图上采样,即把通道数上的像素压缩到rgb上;
s6、在反标准化层,将区间在(-1,1)的输出扩充到区间为(0,255)的像素大小,公式为:(i+1)*127.5,最后输出放大后的图片。
2.根据权利要求1所述的一种基于edsr单图超分辨率重建方法,其特征在于:所述步骤s1中,参数标准化公式如下:
梯度计算公式:
3.根据权利要求1所述的一种基于edsr单图超分辨率重建方法,其特征在于:所述步骤s3中,padding用same的方式进行图周围矩阵填充,填充后使得输入输出维度相同。
4.根据权利要求1所述的一种基于edsr单图超分辨率重建方法,其特征在于:所述步骤s3中,采用resblocks搭建超深神经网络,将前层输出和深层输出相加连接,对隐藏层的特征通道做加深处理。
5.根据权利要求1所述的一种基于edsr单图超分辨率重建方法,其特征在于:所述步骤s3中resblocks采用weightnormalization。
6.根据权利要求1所述的一种基于edsr单图超分辨率重建方法,其特征在于:所述步骤s5中,采用像素拼图上采样法,在做卷积过程中加大特征矩阵通道数为r^2,在输出层前将通道压缩成图像长宽r。
7.根据权利要求1所述的一种基于edsr单图超分辨率重建方法,其特征在于:所述步骤s5中,通道数上的像素输入为(n,c×upscale_factor2,h,w),输出为(n,c,h×upscale_factor,w×upscale_factor)。