[发明专利]图像超分辨率重建的方法和装置

权利要求书

1.一种图像超分辨率重建的方法，其特征在于，包括：

将待重建的图像划分为n个图像块，n为大于或等于2的整数；

确定所述n个图像块中各个图像块的类型；

根据所述n个图像块中各个图像块的类型，通过卷积神经网络重建模型对所述各个图像块进行重建，获取所述n个图像块中各个图像块的重建图像块，其中，所述卷积神经网络重建模型包括多组重建参数集合，不同类型的图像块重建时所使用的卷积神经网络重建模型中的重建参数集合不同；

将所述n个图像块的重建图像块拼接在一起，得到所述图像的超分辨率重建图像。

2.根据权利要求1所述的方法，其特征在于，所述多组重建参数集合与多个图像块的类型具有一一对应关系，所述根据所述n个图像块中各个图像块的类型，通过卷积神经网络重建模型对所述各个图像块进行重建，获取所述n个图像块中各个图像块的重建图像块，包括：

根据所述n个图像块中各个图像块的类型从所述卷积神经网络重建模型中的多组重建参数集合中确定与所述各个图像块的类型对应的重建参数集合；

使用所述各个图像块的类型对应的重建参数集合，通过所述卷积神经网络重建模型对所述各个图像块进行重建，获取所述n个图像块中各个图像块的重建图像块。

3.根据权利要求1所述的方法，其特征在于，所述卷积神经网络重建模型包括至少一个卷积模块，其中，每个卷积模块包括至少一层卷积层，每个卷积层包括至少一个卷积核，所述多组重建参数集合中的每组重建参数集合包括所述至少一个卷积模块中的所有卷积核以及各个卷积核对应的偏置值。

4.根据权利要求3所述的方法，其特征在于，

每个卷积模块包括至少两个卷积层，所述至少两个卷积层中每个卷积层与所述每个卷积层之后的所有卷积层相连，所述每个卷积层的输出图像块作为所述每个卷积层之后的所有卷积层的输入图像块。

5.根据权利要求3所述的方法，其特征在于，

所述至少一个卷积模块包括至少两个卷积模块，且所述至少两个卷积模块均相同。

6.根据权利要求3至5中任一项所述的方法，其特征在于，

每个所述卷积层包括至少两种大小的卷积核。

7.根据权利要求3至5中任一项所述的方法，其特征在于，所述卷积神经网络重建模型还包图像合并模块、图像重排列模块和图像融合模块，

其中，所述通过卷积神经网络重建模型对所述各个图像块进行重建，获取所述n个图像块中各个图像块的重建图像块，包括：

通过所述至少一个卷积模块对所述n个图像块中的第一图像块进行卷积操作获取所述第一图像块的m个卷积图像，所述第一图像块为所述n个图像块中的任意一个图像块，m表示所述卷积模块中的最后一个卷积层中卷积核的数目，m为大于或等于k²的整数，k表示超分辨率后的图像的长宽为原来图像长宽的倍数，k为大于或等于2的整数；

将所述m个卷积图像中每m/k²个卷积图像作为一组通过所述图像平均模块进行合并处理，获取由所述m个卷积图像生成的k²个合并图像；

通过所述图像重排列模块对所述k²个合并图像进行重排列获取高分辨率图像，所述高分辨率图像的分辨率为待重建图像分辨率的k²倍；

通过所述图像融合模块对所述高分辨率图像与所述第一图像块进行融合处理，获取所述第一图像块的重建图像块。

8.根据权利要求1至5中任一项所述的方法，其特征在于，在对所述待重建的图像进行超分辨率重建之前，所述方法还包括：

获取不同类型的图像块样本；

分别使用所述不同类型的图像块样本训练所述卷积神经网络重建模型，获取各个图像块类型对应的重建参数集合。