[发明专利]一种图像超分辨率系统

说明书

本发明公开了一种图像超分辨率系统，该系统包括特征提取模块、细节预测模块和重构模块，其中：特征提取模块，用于对输入的待进行分辨率提升的目标图像进行特征提取，生成目标图像对应的特征图；细节预测模块，用于对输入的目标图像对应的特征图进行细节预测，获得目标图像丢失的细节图像；重构模块，用于将目标图像和细节图像进行叠加操作，重构目标图像对应的高分辨率图。应用本发明实施例所提供的技术方案，可以实现对多种不同情况的低分辨率图像进行超分辨率操作的目的，具有较好的恢复效果。

技术领域

本发明涉及计算机应用技术领域，特别是涉及一种图像超分辨率系统。

背景技术

随着计算机技术的快速发展，图像超分辨率技术也得到了快速发展。图像超分辨率就是将低分辨率(Low Resolution，LR)的图像通过一定的算法提升为高分辨率(HighResolution，HR)图像。高分辨率图像具有更高的像素密度，更多的细节信息，更细腻的画质。在实际应用过程中，基于制作工艺和工程成本的考虑，很多场合不适合采用高分辨率相机进行图像信号的采集。多数时候需要利用超分辨率技术将低分辨率图像提升为高分辨率图像。

现阶段使用的卷积神经网络均由单一卷积核构成，实现图像超分辨率多为单一方式，仅能恢复一种情况的低分辨率图像，对于不同分辨率情况的图像则无法修复或者修复效果不佳。

发明内容

本发明的目的是提供一种图像超分辨率系统，以实现对多种不同情况的低分辨图像进行超分辨率操作，具有较好的恢复效果。

为解决上述技术问题，本发明提供如下技术方案：

一种图像超分辨率系统，包括特征提取模块、细节预测模块和重构模块，其中：

所述特征提取模块，用于对输入的待进行分辨率提升的目标图像进行特征提取，生成所述目标图像对应的特征图；

所述细节预测模块，用于对输入的所述目标图像对应的特征图进行细节预测，获得所述目标图像丢失的细节图像；

所述重构模块，用于将所述目标图像和所述细节图像进行叠加操作，重构所述目标图像对应的高分辨率图像。

在本发明的一种具体实施方式中，所述特征提取模块包括多个预先训练得到的网络分支，每个网络分支分别由多个多尺度特征图映射结构级联构成，每个多尺度特征图映射结构分别由多个卷积核并联构成。

在本发明的一种具体实施方式中，所述特征提取模块包括并联的第一网络分支和第二网络分支。

在本发明的一种具体实施方式中，所述第一网络分支包括的每个第一多尺度特征图映射结构为3×3卷积核与1×1卷积核并联构成。

在本发明的一种具体实施方式中，所述第二网络分支包括的每个第二多尺度特征图映射结构为5×5卷积核与1×1卷积核并联构成。

在本发明的一种具体实施方式中，所述细节预测模块包括第三多尺度特征图映射结构、第一卷积操作和第二卷积操作。

在本发明的一种具体实施方式中，所述第三多尺度特征图映射结构为3×3卷积核与5×5卷积核并联构成。

在本发明的一种具体实施方式中，所述第一卷积操作的卷积核为9×9卷积核。

在本发明的一种具体实施方式中，所述第二卷积操作的卷积核为5×5卷积核。

应用本发明实施例所提供的技术方案，特征提取模块对输入的待进行分辨率提升的目标图像进行特征提取，生成目标图像对应的特征图，细节预测模块对输入的目标图像对应的特征图进行细节预测，获得目标图像丢失的细节图像，重构模块将目标图像和细节图像进行叠加操作，重构目标图像对应的高分辨率图像，输入到细节预测模块的是特征提取模块生成的多个尺度的特征图，可以实现对多种不同情况的低分辨率图像进行超分辨率操作的目的，具有较好的恢复效果。