[发明专利]基于数据增强的改进型卷积网络的图像超分辨率重建方法在审

专利信息
申请号: 201710151796.4 申请日: 2017-03-15
公开(公告)号: CN106952229A 公开(公告)日: 2017-07-14
发明(设计)人: 欧阳宁;曾梦萍;林乐平;莫建文;袁华;张彤;首照宇 申请(专利权)人: 桂林电子科技大学
主分类号: G06T3/40 分类号: G06T3/40;G06T3/60;G06T5/00
代理公司: 桂林市华杰专利商标事务所有限责任公司45112 代理人: 杨雪梅
地址: 541004 广西*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 数据 增强 改进型 卷积 网络 图像 分辨率 重建 方法
【权利要求书】:

1.基于数据增强的改进型卷积网络的图像超分辨率重建方法,其特征在于,包括以下步骤:

(1)数据增强:对样本集的91张图像分别进行旋转90°、180°、270°、翻转0°、90°、180°、270°七种操作,然后以步伐r=14,有重叠的裁剪得到168000个fsub×fsub子图像作为原始HR图像,其中fsub=33;然后再对原始图像进行高斯模糊下采样得到输入数据集{Yi};

(2)网络结构改进:构造一个四层网络模型,网络前三层由卷积层构成,用于提取图像特征信息作为特征提取层;最后一层为反卷积层作为重建层,将卷积层获得的特征信息用于重建,从而得到高分辨率图像。

2.根据权利要求1所述的基于数据增强的改进型卷积网络的图像超分辨率重建方法,其特征在于,步骤(2)所述网络结构改进的具体步骤如下:

(2.1)特征提取层1:输入为LR图像Y,用滤波器对LR图像卷积操作,得到类似于边缘特征向量,该层输出的特征映射经过ReLu激活函数处理得到F1(Y),作为下一层的输入;

(2.2)特征提取层2:输入为上层的输出F1(Y),并进行卷积运算,依旧得到一组高维向量,并经过ReLu激活函数进行非线性操作得到F2(Y)输出的特征映射,作为特征提取层3的输入;

(2.3)特征提取层3:输入为上层的输出F2(Y),然后用一组滤波器对其操作,得到较为完整的特征,经过该层处理,提取到的纹理特征向量将被表示为一组更为完整的具有可区别信息的高维向量;

(2.4)反卷积层可以被看作为滤波器中每个参数对应的输入像素的乘积并以步伐r移动,输出窗口称为反向卷积;反卷积层与卷积层是相应的,它是卷积的逆转过程,在运算过程中,先将核转置后再进行卷积运算,这个过程通过学习不同的放大核优化了该层特征,最后进行整合得到输出的HR图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710151796.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code