1.一种基于局部增强Transformer的图像超分辨率方法,其特征在于,包括以下步骤:构建基于局部增强Transformer的图像超分辨率网络;
输入低分辨率图像,图像超分辨率网络根据低分辨率图像重建对应的高分辨率图像;
其中,所述图像超分辨率网络包括依次连接的浅层特征提取模块、深层特征提取模块和图像重建模块,输入图像超分辨率网络的低分辨率图像输入到浅层特征提取模块,浅层特征提取模块的输出为深层特征提取模块的输入,深层特征提取模块的输出为图像重建模块的输入,图像重建模块的输出为对应的高分辨率图像;其中,浅层特征提取模块利用卷积层提取浅层特征,深层特征提取模块利用多个局部增强自注意力单元提取深层特征,每个局部增强自注意力单元包括多个Transformer层和一个3×3卷积组成,图像重建模块采用卷积实现重建。
2.根据权利要求1所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,浅层特征提取模块是一个3×3卷积,将低分辨率图像
3.根据权利要求1所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,深层特征提取模块中的多个局部增强自注意力单元依次连接,局部增强自注意力单元的Transformer层采用Swin-Transformer或局部增强层,所述局部增强层为改进式Swin-Transformer。
4.根据权利要求3所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,所述局部增强层包括邻域注意力、Ghost头和卷积前馈网络。
5.根据权利要求4所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,对于第k个局部增强自注意力单元,k=1时,其输入为浅层特征提取模块的输出,k>1时,其输入为第k-1个局部增强自注意力单元的输出;第k个局部增强自注意力块的输出表示为:其中,
其中,
其中,
6.根据权利要求5所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,所述邻域注意力的具体运算表示为:其中,
7.根据权利要求5所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,所述Ghost头映射其中,
8.根据权利要求5所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,所述卷积前馈网络为两个线性层之间添加了局部深度卷积分支的前馈网络。
9.根据权利要求1所述的基于局部增强Transformer的图像超分辨率方法,其特征在于,所述图像超分辨率网络根据低分辨率图像重建对应的高分辨率图像,具体为:将H×W×C维度的低分辨率图像输入到图像超分辨率网络,得到的输出是一幅(H×scale)×(W×scale)×C维度的高分辨率图像,其中,scale为放大倍数。
10.一种基于局部增强Transformer的图像超分辨率系统,其特征在于,包括:网络构建模块,构建基于局部增强Transformer的图像超分辨率网络;
网络应用模块,输入低分辨率图像,图像超分辨率网络根据低分辨率图像重建对应的高分辨率图像;
其中,所述图像超分辨率网络包括依次连接的浅层特征提取模块、深层特征提取模块和图像重建模块,输入图像超分辨率网络的低分辨率图像输入到浅层特征提取模块,浅层特征提取模块的输出为深层特征提取模块的输入,深层特征提取模块的输出为图像重建模块的输入,图像重建模块的输出为对应的高分辨率图像;其中,浅层特征提取模块利用卷积层提取浅层特征,深层特征提取模块利用多个局部增强自注意力单元提取深层特征,每个局部增强自注意力单元包括多个Transformer层和一个3×3卷积组成,图像重建模块采用卷积实现重建。