[发明专利]图像超分辨率方法、装置、设备及存储介质

权利要求书

1.一种图像超分辨率方法，其特征在于，所述方法包括：

获取第一图像，所述第一图像的分辨率为第一分辨率；

将所述第一图像输入到超分辨率网络模型中进行处理，得到第二图像，所述第二图像的分辨率为第二分辨率，且所述第二分辨率大于所述第一分辨率，所述超分辨率网络模型是采用像素注意力机制的网络模型，所述像素注意力机制用于为输入特征图中的每个像素生成对应的权重。

2.如权利要求1所述的方法，其特征在于，所述像素注意力机制用于通过指定卷积层对输入特征图进行卷积处理，生成所述输入特征图的三维注意力图，所述输入特征图的三维注意力图包括所述输入特征图的通道信息、所述输入特征图中每个像素的位置信息以及每个像素的权重。

3.如权利要求1所述的方法，其特征在于，所述超分辨率网络模型包括：特征提取模块、非线性映射模块和重建模块，所述非线性映射模块和重建模块中的至少一种采用所述像素注意力机制。

4.如权利要求3所述的方法，其特征在于，所述将所述第一图像输入到超分辨率网络模型中进行处理，得到第二图像，包括：

将所述第一图像输入到所述特征提取模块中，通过所述特征提取模块对所述第一图像进行特征提取，得到第一特征图；

将所述第一特征图输入到所述非线性映射模块中，通过所述非线性映射模块对所述第一特征图进行非线性映射，得到第二特征图；

将所述第二特征图输入到所述重建模块中，通过所述重建模块对所述第二特征图进行重建，得到第三特征图，基于所述第三特征图生成所述第二图像。

5.如权利要求4所述的方法，其特征在于，所述非线性映射模块包括多个指定自校正卷积块，所述指定自校正卷积块是指采用像素注意力机制的自校正卷积块；

所述通过所述非线性映射模块对所述第一特征图进行非线性映射，得到第二特征图，包括：

通过所述多个指定自校正卷积块，对所述第一特征图进行非线性映射，得到所述第二特征图。

6.如权利要求5所述的方法，其特征在于，所述多个指定自校正卷积块中的第一自校正卷积块至少包括第一卷积层、第二卷积层、第三卷积层、第一像素注意力层、第四卷积层、第五卷积层和融合层，所述第一自校正卷积块为所述多个指定自校正卷积块中的任一个；

所述通过所述多个指定自校正卷积块，对所述第一特征图进行非线性映射，包括：

对于所述第一自校正卷积块，通过所述第一卷积层和所述第二卷积层分别对第一输入特征图进行特征图分割，得到第一分割图和第二分割图；

其中，若所述第一自校正卷积块为所述多个指定自校正卷积块中的第一个指定自校正卷积块，则所述第一输入特征图为所述第一特征图，若所述第一自校正卷积块为所述多个指定自校正卷积块中除第一个指定自校正卷积块之外的其他指定自校正卷积块，则所述第一输入特征图为所述第一自校正卷积块的上一个指定自校正卷积块输出的特征图；

将所述第一分割图输入到所述第三卷积层中进行卷积处理，得到第四特征图，以及将所述第一分割图输入到所述第一像素注意力层中进行处理，生成所述第一分割图中每个像素的权重，基于所述第一分割图中每个像素的权重和所述第四特征图，生成第五特征图，将所述第五特征图输入至所述第四卷积层进行卷积处理，得到第六特征图；

将所述第二分割图输入到所述第五卷积层进行卷积处理，得到第七特征图；

将所述第六特征图和所述第七特征图输入到所述融合层进行特征图融合，得到第八特征图，基于所述第八特征图生成所述第一自校正卷积块的输出特征图。

7.如权利要求6所述的方法，其特征在于，所述第一像素注意力层包括指定卷积层；

所述将所述第一分割图输入至所述第一像素注意力层中进行处理，生成所述第一分割图中每个像素的权重，包括：

将所述第一分割图输入到所述指定卷积层中进行卷积处理，生成所述第一分割图的三维注意力图，所述第一分割图的三维注意力图包括所述第一分割图的通道信息、所述第一分割图中每个像素的位置信息和每个像素的权重。