买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市点维文化传播有限公司

摘要：本发明公开了一种基于注意模块的Bayer图像恢复方法，步骤包括：1构建绿通道恢复网络，该绿通道恢复网络的输入为Bayer图像通道分离出来的绿采样图，输出为重建的绿通道图；2构建特征引导模块，该特征引导模块的输入为重建的绿通道图和编码‑解码器的输出，输出为引导图；3构建红通道恢复网络，该红通道恢复网络的输入为红采样图和引导图，输出为重建的红通道图；4构建蓝通道恢复网络；5将重建得到的红通道图、绿通道图和蓝通道图融合，得到重建的RGB图；6计算重建的RGB图与图像对中真实图像之间的平均绝对误差，以最小化L1损失函数为目标，优化该网络模型。本发明的方法，能够获得高质量的重建图像。

主权项：1.一种基于注意模块的Bayer图像恢复方法，其特征在于，按照以下步骤实施：步骤1，构建绿通道恢复网络，该绿通道恢复网络的输入为Bayer图像通道分离出来的绿采样图，输出为重建的绿通道图，所述的绿通道恢复网络包括卷积操作、注意模块和编码-解码器；绿通道恢复网络的流程结构依次为：绿采样图作为输入→第一个卷积层Conv1→注意模块→第二个卷积层Conv2→第三个卷积层Conv3→第四个卷积层Conv4→第五个卷积层Conv5→第六个卷积层Conv6→第七个卷积层Conv7→第八个卷积层Conv8→输出为重建的绿通道图；其中，第一个卷积层Conv1卷积核大小为3×3，步长为3，特征映射总数为64个；第二个卷积层Conv2-第七个卷积层Conv7组成编码-解码器，卷积核大小均为3×3，步长均为3，特征映射总数均为64个，并且均通过ReLU激活；第二个卷积层Conv2、第三个卷积层Conv3、第四个卷积层Conv4的输出尺寸分别为H×W、12H×W、14H×W；第五个卷积层Conv5、第六个卷积层Conv6、第七个卷积层Conv7的输出尺寸分别为14H×W、12H×W、H×W；第八个卷积层Conv8卷积核大小为1×1，步长为1，特征映射总数为1个；所述的注意模块的流程结构依次为：输入→第一卷积层Conv1→第二卷积层Conv2→全局平均池化操作→第三卷积层Conv3→第四卷积层Conv4→第二卷积层Conv2的输出与第四卷积层Conv4的输出进行按元素相乘操作→最初输入与相乘操作的结果按元素相加；其中，第一卷积层Conv1的卷积核大小为3×3，步长为3，特征映射总数为64个，并通过PReLU激活；第二卷积层Conv2卷积核大小为3×3，步长为3，特征映射总数为64个；第三卷积层Conv3卷积核大小为1×1，步长为1，特征映射总数为64个，并通过PReLU激活；第四卷积层Conv4的卷积核大小为1×1，步长为1，特征映射总数为64个，并通过Sigmoid函数得到特征的权重；步骤2，构建特征引导模块，该特征引导模块的输入为重建的绿通道图和编码-解码器的输出，输出为引导图；所述的特征引导模块的流程结构依次为：编码-解码器的输出→第1卷积层Conv1→第1卷积层Conv1的输出与绿通道图经过第2卷积层Conv2的输出按元素进行乘法操作→编码-解码器的输出与乘法操作的输出按元素进行加法操作→生成引导图；其中，第1卷积层Conv1的卷积核大小为1×1，步长为1，特征映射总数为64个；第2卷积层Conv2的卷积核大小为1×1，步长为1，特征映射总数为64个，并通过Sigmoid函数激活；步骤3，构建红通道恢复网络，该红通道恢复网络的输入为红采样图和引导图，输出为重建的红通道图；步骤4，构建蓝通道恢复网络，蓝通道恢复网络与红通道恢复网络的结构流程相似，区别是，输入为蓝采样图和引导图，输出为重建的蓝通道图；步骤5，将重建得到的红通道图、绿通道图和蓝通道图融合，得到重建的RGB图；步骤6，根据上述的网络模型，计算重建的RGB图与图像对中真实图像之间的平均绝对误差，以最小化L1损失函数为目标，优化该网络模型。

全文数据：

权利要求：

百度查询： 深圳市点维文化传播有限公司 一种基于注意模块的Bayer图像恢复方法