【技术实现步骤摘要】
本专利技术属于图像处理，涉及一种基于跨尺度余弦注意力的遥感图像超分辨率重建方法及系统。
技术介绍
1、遥感图像在军事、农业、城市规划和环境监测等领域发挥着重要作用，其清晰程度直接影响到后续任务的处理效果，例如高光谱图像分类、对象识别、变化检测、土地覆盖分类和其他应用等。然而，由于传感器分辨率的限制以及采集过程中的噪声干扰，卫星遥感图像的空间分辨率往往不高，限制了其实际应用效果。一般来说，可以通过提升成像硬件水平来进一步提高成像分辨率。但该方法会受到物理规律、经济成本、技术难度等客观因素的制约。因此，从算法角度通过超分辨率(super-resolution,sr)重建来提高遥感图像的分辨率便显得尤为重要。
2、随着深度学习的发展，卷积神经网络凭借强大的拟合能力在图像sr领域展现出巨大潜力。尽管基于cnn的重建效果已有了较大提升，但是随着所提出的网络层数越来越复杂，例如残差密集网络(rdn)和残差通道注意力网络(rcan)已经将网络深度分别增加到100层和400层，导致计算成本和内存消耗呈爆炸式增长，因此无法在移动设备等嵌入式终端上有效部署。
3、为了解决上述问题，构建轻量级的sr模型引起了越来越多的关注。最广泛使用的策略之一是引入递归机制。另一种是探索轻量化结构。尽管这些模型一定程度上减少了模型参数量，但也导致性能下降，难以重建细节丰富的高质量图像。此外，cnn存在的根本问题在于其神经元只捕获图像的局部特征，限制了对图像全局信息的捕捉能力。
技术实现思路
1、
2、为达到上述目的，本专利技术采用以下技术方案予以实现：
3、本专利技术提出的一种基于跨尺度余弦注意力的遥感图像超分辨率重建方法，包括：
4、对原始低分辨率图像进行卷积操作获取图像浅层特征；
5、采用深层特征提取层对图像浅层特征进行特征提取，得到深层特征；
6、将深层特征在密集特征融合层进行融合得到融合特征，融合特征经过卷积层后与图像浅层特征进行融合得到待重建特征；
7、通过上采样模块对待重建特征进行处理，获取超分辨率重建结果。
8、优选地，所述深层特征提取层包括多个级联特征蒸馏块，级联特征蒸馏块具体实现过程为：
9、输入特征首先经过一个多分支空间注意力模块，然后并行输入两条管道，分别是特征蒸馏和特征精炼管道，特征蒸馏管道由多个1×1卷积层组成，特征精炼管道是级联的跨尺度transformer块，将操作迭代的蒸馏特征连接在一起，并添加1×1卷积层和3×3卷积层，最后添加多分支空间注意力模块，得到深层特征。
10、优选地，所述多分支空间注意力模块具体实现过程为：
11、输入特征首先通过一个1×1卷积层，然后通过一个跨步卷积层后传入三个不同尺寸的池化层，再依次经过卷积层和上采样模块，最后添加一个sigmoid层来计算注意力掩码，并使用残差连接将通道压缩前的特征直接添加到块的末尾得到输出特征。
12、优选地，所述级联的跨尺度transformer块包括多个跨尺度transformer块，每个跨尺度transformer块具体过程为：
13、输入特征依次传递到层规范层和跨尺度余弦注意力层，并对输入特征和跨尺度余弦注意力层的输出特征进行逐元素相加操作，然后将得到的特征依次传递到层规范层和resmlp层，最后通过残差连接将resmlp层的输出与跨尺度余弦注意力层的输出进行逐元素相加运算，输出特征。
14、优选地，所述resmlp层具体过程如下：
15、输入特征依次经过仿射变换层、层规范层、激活函数、层规范层和仿射变换层得到输出特征。
16、优选地，每个级联特征蒸馏块提取的蒸馏特征以残差连接的方式输入到密集特征融合层得到特征，残差连接的方式在不增加网络参数前提下实现了高效的特征融合，使用残差连接的方式融合图像浅层特征，得到待重建特征图。
17、本专利技术提出的一种基于跨尺度余弦注意力的遥感图像超分辨率重建系统，包括：
18、第一特征提取模块，用于对原始低分辨率图像进行卷积操作获取图像浅层特征；
19、第二特征提取模块，用于采用深层特征提取层对图像浅层特征进行特征提取，得到深层特征；
20、第三特征提取模块，用于将深层特征在密集特征融合层进行融合得到融合特征，融合特征经过卷积层后与图像浅层特征进行融合得到待重建特征；
21、特征重建模块，用于通过上采样模块对待重建特征进行处理，获取超分辨率重建结果。
22、优选地，所述深层特征提取层包括多个级联特征蒸馏块，级联特征蒸馏块具体为：
23、输入特征首先经过一个多分支空间注意力模块，然后并行输入两条管道，分别是特征蒸馏和特征精炼管道，特征蒸馏管道由多个1×1卷积层组成，特征精炼管道是级联的跨尺度transformer块，将操作迭代的蒸馏特征连接在一起，并添加1×1卷积层和3×3卷积层，最后添加多分支空间注意力模块，得到深层特征。
24、一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于跨尺度余弦注意力的遥感图像超分辨率重建方法的步骤。
25、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于跨尺度余弦注意力的遥感图像超分辨率重建方法的步骤。
26、与现有技术相比，本专利技术具有以下有益效果：
27、本专利技术提出的一种基于跨尺度余弦注意力的遥感图像超分辨率重建方法，对原始低分辨率图像进行卷积操作获取图像浅层特征，能够初步提取图像的基本轮廓和一些简单的纹理信息。采用深层特征提取层对浅层特征进行进一步提取得到深层特征，能够捕捉到更复杂、更抽象的图像特征，如物体的结构、纹理的变化趋势等。通过上采样模块对待重建特征进行处理，能够增加图像的像素数量，从而提高图像的分辨率。这使得重建后的图像更加清晰，细节更加丰富，能够更好地满足对高分辨率图像的需求。将深层特征在密集特征融合层进行融合得到融合特征，这种融合方式可以充分整合不同层次的特征信息。融合特征经过卷积层后与图像浅层特征进行融合得到待重建特征，进一步将浅层和深层特征结合起来，以提高超分辨率重建的质量。
28、进一步地，特征蒸馏管道由多个1×1卷积层组成，主要负责特征提取并减少参数较少的通道，特征精炼管道是级联的跨尺度transformer块，能够关注图像中不同区域之间的位置关系和空间结构并逐层精炼特征以获得更多区分信息。
29、进一步地，多分支空间注意力模块在池化阶段使用3个不同尺寸进行最大池化处理以挖掘关键信息所在的区域，解决了周围不重要的信息被赋予高权重，而包含真实关键信息的区域则无法被关注的问题。
30、进一步地，本文档来自技高网...
【技术保护点】
1.一种基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，包括：
2.根据权利要求1所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述深层特征提取层包括多个级联特征蒸馏块，级联特征蒸馏块具体实现过程为：
3.根据权利要求2所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述多分支空间注意力模块具体实现过程为：
4.根据权利要求2所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述级联的跨尺度Transformer块包括多个跨尺度Transformer块，每个跨尺度Transformer块具体过程为：
5.根据权利要求4所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述ResMLP层具体过程如下：
6.根据权利要求2所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，每个级联特征蒸馏块提取的蒸馏特征以残差连接的方式输入到密集特征融合层得到特征，残差连接的方式在不增加网络参数前提下实现了高效的特征融合，使用残差连接的方式融合图
7.一种基于跨尺度余弦注意力的遥感图像超分辨率重建系统，其特征在于，包括：
8.根据权利要求7所述的基于跨尺度余弦注意力的遥感图像超分辨率重建系统，其特征在于，所述深层特征提取层包括多个级联特征蒸馏块，级联特征蒸馏块具体为：
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～6任一项所述基于跨尺度余弦注意力的遥感图像超分辨率重建方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～6任一项所述基于跨尺度余弦注意力的遥感图像超分辨率重建方法的步骤。
...【技术特征摘要】
1.一种基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，包括：
2.根据权利要求1所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述深层特征提取层包括多个级联特征蒸馏块，级联特征蒸馏块具体实现过程为：
3.根据权利要求2所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述多分支空间注意力模块具体实现过程为：
4.根据权利要求2所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述级联的跨尺度transformer块包括多个跨尺度transformer块，每个跨尺度transformer块具体过程为：
5.根据权利要求4所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，所述resmlp层具体过程如下：
6.根据权利要求2所述的基于跨尺度余弦注意力的遥感图像超分辨率重建方法，其特征在于，每个级联特征蒸馏块提取的...
【专利技术属性】
技术研发人员：李智杰，宋易宸，李昌华，董玮，张颉，介军，惠爱婷，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。