公开(公告)号：CN119809931A

公开(公告)日：2025-04-11

申请号：CN202411735052.3

申请日：2024-11-29

Applicant: 江苏大学

Inventor： 宋和平 ,  周丹丹 ,  贾洪杰 ,  林琳

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/54 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于多尺度特征细化网络的图像超分辨率构建方法，包括以下步骤：步骤一：利用DIV2K数据集构建高分辨率和低分辨率图像对，通过数据增强技术提升网络模型对多样化图像特征的泛化能力；步骤二：构建多尺度特征细化网络：所述网络包括细节提取引擎、全局多尺度上下文模块和特征细化模块；步骤三：通过最小化L1损失函数来优化多尺度特征细化网络模型的参数来进行训练；步骤四：利用训练好的网络模型对低分辨率图像进行超分辨率重构，生成高分辨率图像输出；所述模型在测试数据集上进行评估。本发明通过引入细节提取引擎(DEE)、全局多尺度上下文模块(GMCM)和特征细化模块(FRM)，增强跨区域特征交互以及恢复单图像超分辨率中的细节方面的局限性。