[发明专利]中文文本图像的超分辨率重建方法

权利要求书

1.中文文本图像的超分辨率重建方法，其特征在于，包括以下步骤：

步骤1、获取中文文本图像的数据集，将所述数据集分为训练集和测试集，并对所述训练集中的中文文本图像进行预处理，得到低分辨率图片；

步骤2、构建超分辨率重建网络模型，所述超分辨率重建网络模型的结构包括依次设置的去噪模块、卷积模块、残差模块、上采样模块、特征重映射模块，所述卷积模块、残差模块的输出通过跳跃连接相连，作为上采样模块的输入；

步骤3、将训练集和测试集输入超分辨率重建网络模型进行学习，并对超分辨率重建网络模型参数进行优化，得到中文文本图像超分辨率模型；

步骤4、利用所述中文文本图像超分辨率模型对中文文本图像进行图像超分辨率处理。

2.根据权利要求1所述的中文文本图像的超分辨率重建方法，其特征在于，步骤1的具体过程为：获取中文文本图像的数据集，将所述数据集分为训练集和测试集，先对所述训练集中的中文文本图像加上噪声，然后对有噪声的中文文本图像进行2倍下采样得到低分辨率图片。

3.根据权利要求1所述的中文文本图像的超分辨率重建方法，其特征在于，所述超分辨率重建网络模型的具体操作为：

将低分辨率图片输入去噪模块进行去噪得到去噪后的低分辨率图片；

将去噪后的低分辨率图片输入卷积模块进行卷积，输出第一特征图；

将所述第一特征图输入残差模块得到残差；

将残差与第一特征图利用跳跃连接相加获得第二特征图；

将所述第二特征图输入由上采样层、卷积层组成的上采样模块，输出初始高分辨率图像，然后将所述初始高分辨率图像输入到特征重映射模块得到高分辨率图片。

4.根据权利要求1所述的中文文本图像的超分辨率重建方法，其特征在于，所述去噪模块包括依次设置的第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第六卷积块、卷积层，所述输入图像与卷积层的输出通过跳跃连接相连。

5.根据权利要求1所述的中文文本图像的超分辨率重建方法，其特征在于，所述残差模块包括依次设置的10个残差组，每个残差组由卷积层、20个残差注意力增强模块组成，所述残差注意力增强模块包括依次设置的第一卷积层、激活函数层、第二卷积层、注意力增强模块，所述残差注意力增强模块的输入与注意力增强模块的输出通过跳跃连接相连。

6.根据权利要求5所述的中文文本图像的超分辨率重建方法，其特征在于，所述注意力增强模块包括依次设置的通道注意力层、空间注意力层；所述通道注意力层由自适应池化层、卷积层和激活函数层组成；所述空间注意力层由跳跃连接、卷积层、批量归一化层和Sigmod激活函数层组成。

7.根据权利要求6所述的中文文本图像的超分辨率重建方法，其特征在于，所述通道注意力层的操作为：

输入X＝[x₁,L,x_c,L,x_C]，且输入X包括大小为H×W的C个特征图，C为输入X的通道数，先将输入X通过全局平均池化层H_GP获得通道统计信息z_c：

上式中，x_c(i,j)是位置(i,j)处的第c个特征x_c；

再将其输入卷积层的权重集合W_D中，并按照比例r进行降维获得大小为的特征图；之后将所述的特征图输入ReLU激活函数层与其权重集合W_U相乘后，按比例r进行升维获得大小为1×1×C的特征图，然后获得通道缩放信息s：

s＝f(W_Uδ(W_Dz)) (3)；

上式中，f和δ代表ReLU激活函数，W_D代表卷积层的权重集合，W_U代表ReLU层的权重集合；

最后利用所述通道缩放信息s与输入的特征图x相乘得到通道注意力层输出的通道特征图X′：

X′＝s_c*x_c (4)。