[发明专利]基于概率生成模型的图像超分辨处理方法

权利要求书

1.一种基于概率生成模型的图像超分辨处理方法，包括如下步骤：

(1)输入图像：

(1a)将多幅高分辨光学图像输入到训练集中；

(1b)将与训练集中不同的多幅高分辨光学图像输入到测试集中；

(2)获取训练样本：

(2a)对训练集中的每一幅高分辨光学图像，经下采样处理后用双三次插值法，获得与高分辨图像尺寸大小一样的低分辨图像；

(2b)分别从高分辨图像与低分辨图像的相同位置处，提取同样大小的图像块，组成高分辨-低分辨图像块对；

(2c)去除高分辨-低分辨图像块对中平滑的图像块对后，再去除高分辨-低分辨图像块对中相似的图像块对，得到高分辨-低分辨图像块对的训练样本；

(3)获取测试样本：

(3a)对测试集中的每一幅高分辨光学图像，经下采样处理后用双三次插值法，获得与高分辨图像尺寸大小一样的低分辨图像；

(3b)从低分辨图像中提取低分辨图像块，图像块大小与高分辨-低分辨图像块对训练样本中的图像块的大小相同，作为低分辨图像块的测试样本；

(4)训练概率生成模型：

(4a)从零均值、方差为0.01的高斯分布中随机采样，采样数和维度与概率生成模型中所有参数数目和维度相同，将随机采样的数组作为概率生成模型的初始化参数；

(4b)将训练样本输入概率生成模型的推理子模型中，使多层感知机的先验分布函数为标准高斯函数；

(4c)利用最大化变分下界公式，得到近似于真实后验分布函数的变分分布函数；

(4d)利用批量随机梯度下降方法，将概率生成模型的所有参数迭代更新8000次后，得到更新后的概率生成模型；

(5)测试概率生成模型：

(5a)将测试样本输入概率生成模型中，使用更新后的概率生成模型，得到生成的高分辨图像块；

(5b)按照从低分辨图像中提取低分辨图像块的位置，排列概率生成模型生成的高分辨图像块，对生成的高分辨图像块之间的重叠部分的像素值求平均值，得到重构高分辨图像；

(5c)对重构高分辨图像进行优化处理，得到最终的高分辨图像。

2.根据权利要求1所述的基于概率生成模型的图像超分辨处理方法，其特征在于，步骤(2a)、步骤(3a)中所述的下采样处理是指，采用缩放因子2、3、4分别对高分辨光学图像进行下采样，得到与缩放因子对应的大小为8×8像素，10×10像素，和12×12像素的低分辨图像。

3.根据权利要求1所述的基于概率生成模型的图像超分辨处理方法，其特征在于，步骤(4a)中所述概率生成模型包含推理子模型、低分辨图像生成子模型、高分辨图像生成子模型三个子模型，每个子模型由两个多层感知机组成，每个多层感知机包含两个隐层，每个隐层分别有400个节点，隐变量的维度为200。

4.根据权利要求3所述的基于概率生成模型的图像超分辨处理方法，其特征在于，步骤(4c)中所述最大化变分下界公式如下：

其中，ln(·)表示以e为底的对数操作，表示由低分辨图像生成子模型参数θ₁与高分辨图像生成子模型参数θ₂的分布概率，X_l表示低分辨图像的像素值，X_h表示高分辨图像的像素值，表示变分下界函数，φ表示推理子模型的参数。

5.根据权利要求1所述的基于概率生成模型的图像超分辨处理方法，其特征在于，步骤(5c)中所述对重构高分辨图像进行优化处理是指利用下式进行的操作：

其中，表示最终的高分辨图像的像素值，表示使函数取最小值时Y_h的值，其中Y_h表示测试集中的高分辨图像的像素值，||·||表示范数操作，S表示下采样操作，H表示高斯平滑滤波操作，其中高斯平滑滤波操作是根据高斯函数的形状选择滤波权值的线性平滑滤波操作，Y_l表示测试集中的高分辨图像相应的低分辨图像，表示二范数的二次方操作，c表示常数0.1，Y_h′表示重构的高分辨图像。