[发明专利]一种基于深度卷积生成对抗网络的视频超分辨率生成方法

权利要求书

1.一种基于深度卷积生成对抗网络的视频超分辨率生成方法，其特征在于，所述方法包括：

获取目标视频，将同一场景的视频片段进行转换成连续的图像序列信息作为原图组以PNG格式保存；

将所述原图组进行采样缩放，获取缩小的低分辨率图像，进行运动补偿处理，获得补偿后的低分辨率图像；

构建深度卷积生成对抗网络模型，将所述补偿后的低分辨率图像输入进行计算，输出重建后的高分辨率图像后再进行放大处理，获得超分辨率图像；

将所述超分辨率图像，按照所述目标视频进行重新组合，获得超分辨率目标视频；

其中，所述构建深度卷积生成对抗网络模型，具体为：

获取若干图片作为训练集，对训练集每张图像的X轴和Y轴上分别移动1个像素，再进行下采样处理，获得具有亚像素位移的低分辨率图像；

利用多个残差单元组成生成网络；其中，每个残差单元包括两个卷积层Conv、两个批归一化层BN，以及一个ReLU激活函数组合而成，并使用跳跃连接使得残差单元之间相连；每个残差单元中的卷积核大小为3x3，每层卷积滤波器的数量为64；

利用一个卷积层Conv、一个批归一化层BN，以及一个PReLU激活函数组合判别网络；其中，每个残差单元中的卷积核大小为3x3，每层卷积滤波器的数量分别为64，64，128，128，256，256，512，512；

获取生成网络和判别网络组合成构建深度卷积生成对抗网络模型，并对其进行训练，获得训练后的深度卷积生成对抗网络模型；

训练过程中，为了避免生成对抗网络陷入局部最优，采用训练好的基于最小化均方误差的残差网络块作为生成模型的初始化；其中，网络输入的图像块大小设置为36×36，初始学习率设为10^-4，每迭代10⁴次，学习率下降5％，最大迭代次数为10⁶，依次更新生成网络G和判别网络D，生成器有4个相同的残差单元，判别器有6个相同的残差单元。

2.根据权利要求1所述的一种基于深度卷积生成对抗网络的视频超分辨率生成方法，其特征在于，所述进行运动补偿处理的具体步骤为对两帧缩小的低分辨率图像进行运动估计，以第一帧缩小的低分辨率图像为基准，利用运动估计参数对第二帧缩小的低分辨率图像进行运动转换，完成两帧缩小的低分辨率图像之间的运动补偿。