[发明专利]一种极轻量级图像超分辨率重建方法

权利要求书

1.一种极轻量级图像超分辨率重建方法，其特征在于，包括：

步骤1、对原始高清图像数据和其对应的低分辨率图像数据进行预处理，然后将RGB图像转换为YCbCr图像，并且提取原始高清图像的Y通道数据；

步骤2、构建基于非对称卷积残差块的图像超分网络模型；

步骤3、使用步骤1的Y通道数据训练步骤2构建好的网络模型，迭代至损失函数收敛；

步骤4、将待重建图像由RGB图像转换为YCbCr图像，并提取Y通道数据，同时将待重建图像插值放大后提取其Cr和Cb通道数据；

步骤5、将步骤4得到的Y通道数据的输入训练好的模型进行预测，得到放大后的Y通道；

步骤6、在步骤4得到的Cr和Cb通道和步骤5得到的Y通道进行合并得到YCbCr图像；

步骤7、将合并后YCbCr图像转换成RGB图像，得到重建后的高清图像。

2.根据权利要求1所述的极轻量级图像超分辨率重建方法，其特征在于，所述基于非对称卷积残差块的图像超分网络模型，包括：

浅层特征提取模块；

深层特征提取模块，其输入为所述浅层特征提取模块的输出；

注意力增强模块，其输入为所述深层特征提取模块的输出；

特征融合模块，其输入为所述注意力增强模块的输出；

上采样放大模块，其输入为所述特征融合模块的输出。

3.根据权利要求2所述的极轻量级图像超分辨率重建方法，其特征在于：所述浅层特征提取模块为一个单通道输入的3x3的卷积。

4.根据权利要求3所述的极轻量级图像超分辨率重建方法，其特征在于：所述深层特征提取模块由多个ACRB模块和一个1x1的卷积串连组成，所述深层特征提取模块的输出由每个ACRB模块的输出在通道维度拼接后经过1x1的卷积降维得到。

5.根据权利要求4所述的极轻量级图像超分辨率重建方法，其特征在于，所述ACRB模块包括两个1X1的卷积和多个串连的非对称卷积对AC，其中一个1X1的卷积对特征进行压缩，并输入卷积核为1X3和3X1的非对称卷积对AC，每个AC的输出作为下一个AC的输入，各个AC的输出与另一个1X1的卷积压缩后的特征进行拼接，拼接后进行残差连接。

6.根据权利要求2所述的极轻量级图像超分辨率重建方法，其特征在于：所述浅层特征提取模块和深层特征提取模块的卷积层都有对应的激活函数，激活函数使用Relu。

7.根据权利要求2所述的极轻量级图像超分辨率重建方法，其特征在于：所述注意力增强模块包含一个1x3和3x1的非对称卷积对AC和一个PA模块。

8.根据权利要求7所述的极轻量级图像超分辨率重建方法，其特征在于：所述PA模块由一个1x1的卷积和Sigmoid函数构成，原始输入经过1x1的卷积和Sigmoid函数后和原始输入相乘。

9.根据权利要求2所述的极轻量级图像超分辨率重建方法，其特征在于：所述特征融合模块用于将浅层特征经过1x1的卷积降维后和注意力增强模块输出的深层特征相加。

10.根据权利要求2所述的极轻量级图像超分辨率重建方法，其特征在于：所述上采样放大模块由1个3x3的卷积、1个ClipRelu异常值过滤模块和1个Pixelshuffle串连构成。