[发明专利]基于cGAN算法的图像超分辨恢复技术

权利要求书

1.一种基于cGAN算法的图像超分辨恢复方法，其特征在于：利用了cGAN模型网络对图像的超分辨恢复，包括如下步骤：

(1)制作训练集及图像集；

(2)设计神经网络并进行调整；

(3)进行训练；

(4)得到模型进行测试。

2.根据权利要求1所述的基于cGAN算法的图像超分辨恢复方法，其特征在于：所述步骤(1)具体为：

11)通过python编写代码；

12)下载超分辨研究常用的图像；

13)利用上述代码对图像进行分割成统一的大小；对13)得到的图像进行低分辨处理得到两份图像分别是低分辨和原始高分辨图像。

3.根据权利要求2所述的基于cGAN算法的图像超分辨恢复方法，其特征在于：所述步骤(2)具体为：

21)通过Python设计神经网络深度卷积对抗神经网络DCGAN；主要部分包括生成器网络和判别器网络；

22)在传统的DCGAN基础上进行修改并调整，在生成器网络上添加卷积连接反卷积；

23)该判别网络的输入可以是图像而不是随机特征。

4.根据权利要求3所述的基于cGAN算法的图像超分辨恢复方法，其特征在于：所述步骤(3)具体为：

利用谷歌深度学习平台Tensorflow对得到的数据集和网络进行训练，首先生成器生成图像给判别器进行判断，然后得到权值反馈给生成器继续生成更好的图像，以此反复生成-训练-生成；设置较少的训练次数，得到模型进行测试观察效果如何，再增加训练次数观察结果是否有所提升。

5.根据权利要求4所述的基于cGAN算法的图像超分辨恢复方法，其特征在于：所述步骤(4)具体为：测试是不断重复的过程，上述步骤(3)调整训练次数得到的模型然后进行测试，以得到满意的结果。