1.一种基于双注意力机制的任意尺度图像超分辨重建方法,其特征在于,所述方法包括以下步骤:建立超分辨率重建模型,所述超分辨率重建模型包括浅层特征提取模块,深层特征提取模块,特征聚合模块和任意尺度上采样模块;通过浅层特征提取模块从低分辨率图像中提取浅层特征,通过深层特征提取模块从浅层特征中提取通道特征图和多个中间特征图;通过特征聚合模块将通道特征图和多个中间特征图进行聚合,生成输出特征图;通过任意尺度上采样模块对输出特征图和上采样比例因子进行处理后,输出高分辨率重建图像;
获取数据集,通过所述数据集对超分辨率重建模型进行训练,得到训练好的超分辨率重建模型;其中,所述数据集包括多个训练样本,所述训练样本包括低分辨率图像和对应的真实图像;
获取待重建的低分辨率图像,使用训练好的超分辨率重建模型对所述待重建的低分辨率图像进行重建,输出高分辨率重建图像;
所述深层特征提取模块包括多个级联的RDB-SGDA模块,所述RDB-SGDA模块包括相连的RDB模块和SGDA模块;
所述通过深层特征提取模块从浅层特征中提取通道特征图和多个中间特征图,包括:将浅层特征图作为输入特征图输入第一个级联的RDB-SGDA模块进行堆叠处理,通过所述RDB-SGDA模块对所述上采样比例因子和输入特征图进行处理,经过处理后得到第一个级联的RDB-SGDA模块的中间特征图,将该中间特征图作为下一个级联的RDB-SGDA模块的输入特征图,经过设定次数的RDB-SGDA模块堆叠处理,将最后一次堆叠处理得到的中间特征图作为深层特征图;
所述SGDA模块包括空间注意力模块和通道注意力模块,所述通道特征图通过以下方式得到:通过空间注意力模块对中间特征图进行处理,输出空间特征图;
通过通道注意力模块对空间特征图进行通道特征处理,输出通道特征图。
2.根据权利要求1所述的方法,其特征在于,所述通过所述数据集对超分辨率重建模型进行训练,得到训练好的超分辨率重建模型,包括:基于所述高分辨率重建图像和低分辨率图像对应的真实图像确定超分辨率重建模型的损失值,基于所述损失值迭代更新超分辨率重建模型的参数集合,得到训练好的超分辨率重建模型。
3.根据权利要求2所述的方法,其特征在于,所述损失值通过以下公式计算得到:;
其中,表示超分辨率重建模型的参数集合,M表示训练样本的数量,是第j个样本中的低分辨率图像,是第j个样本中的低分辨率图像对应的真实图像,表示超分辨率重建模型的超参数,表示超分辨率重建模型的最优超参数。
4.根据权利要求1所述的方法,其特征在于,所述通过空间注意力模块对中间特征图进行处理,输出空间特征图,包括:将中间特征图输入空间注意力模块,生成空间注意力掩码;将中间特征图输入基于尺度感知的可变形卷积层,生成具有任意尺度信息的尺度融合特征图;
将尺度融合特征图和空间注意力掩码进行逐元素相乘后,与中间特征图进行自适应融合,输出空间特征图。
5.根据权利要求4所述的方法,其特征在于,所述通过通道注意力模块对空间特征图进行通道特征处理,输出通道特征图,包括:通过多层感知机对上采样比例因子进行非线性变换后,经激活函数处理,生成两个通道注意力特征掩码;
通过卷积层对空间特征图进行特征变换后,分别与两个所述通道注意力特征掩码进行逐元素相乘,得到两个通道加权特征图;
将两个所述通道加权特征图与空间特征图通过残差连接相加,输出通道特征图。
6.一种基于双注意力机制的任意尺度图像超分辨重建系统,其特征在于,包括:至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至5任一项所述的方法。
7.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至5任一项所述的方法。