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！

摘要：本发明涉及模式识别技术领域，尤其涉及一种基于通道自关注多尺度特征学习的遥感单图超分辨率方法，旨在解决现有图像超分辨率方法对于大量合成外部数据集的依赖问题。该基于通道自关注多尺度特征学习的遥感单图超分辨率方法，提出了一种新的图像超分辨率网络模型——通道自关注多尺度特征学习网络，通道自关注多尺度特征学习网络不需要任何额外的合成数据集，只需要一个低分辨率的输入图像进行训练；此外，通过具有不同卷积核的多列卷积层来提取图像不同尺度的特征，通道自关注多尺度特征学习网络使用设计良好的网络，充分学习遥感图像的多尺度特征，实现遥感图像超分辨；通道自关注多尺度特征学习网络提高了超分辨率的性能。

主权项：1.一种基于通道自关注多尺度特征学习的遥感单图超分辨率方法，其特征在于，所述方法包括：利用一张低分辨率遥感图像作为输入，进行s倍的下采样操作得到对应于输入图像的更低分辨率图像，且图像大小为构造出对于输入图像的匹配图像对，并使用大小的低分辨率图像作为训练过程的输入；通过卷积核大小分别为3×3、5×5、7×7的多列卷积层来提取大小的低分辨率图像的不同尺度的特征以得到特征图并使用特征图作为通道自关注多尺度特征学习网络模块的输入；其中C、H、W分别代表特征图的通道数、高度和宽度；将特征图再次送入卷积核大小分别为3×3、5×5、7×7的多列卷积层，并生成三个新的特征映射fx＝wfx，gx＝wgx和hx＝whx，其中通过reshape函数重塑fx，gx，hx为其中N＝H*W；应用softmax激活函数来计算通道自关注权重其中，通道自关注权重为 其中，tji表示jth通道对ith通道的关注程度；将t和hx进行矩阵乘法运算，并将其重塑为最后模拟残差连接的形式，将y乘以α并与输入特征映射相加，以得到通道自关注多尺度特征学习网络模块的最终输出结果其中，通道自关注多尺度特征学习网络模块为 其中，α表示可学习的标量，并初始化为0；通过Adam优化器对整个通道自关注多尺度特征学习网络模块进行优化训练，在优化训练过程中，学习速率设置为10-4开始训练，到10-6时停止训练；通过垂直和水平旋转以及输入成像仪的镜面反射来执行数据增强；通过优化L1损失来最小化真实图像和生成图像之间的误差，通过输入的低分辨图像及其下采样的更低的分辨率图像对网络进行训练，以推断低分辨与高分辨图像之间关系；将低分辨图像输入训练好的通道自关注多尺度特征学习网络模块中，得到对应超分辨率倍数的超分辨率图像。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 基于通道自关注多尺度特征学习的遥感单图超分辨率方法