[发明专利]一种超分辨率图像重建方法及装置

权利要求书

1.一种超分辨率图像重建方法，其特征在于，包括：

将进行灰度化处理之后的待检测图像的尺寸设为第一尺寸，获取第一尺寸待检测图像；

将所述第一尺寸待检测图像输入至第一层深度学习模型，输出第一尺寸的三像素矩阵；

将所述三像素矩阵输入至第二层深度学习模型，输出第二尺寸的三像素矩阵，所述第二尺寸大于所述第一尺寸；

将所述第二尺寸的三像素矩阵整合，获取超分辨率图像；

所述将进行灰度化处理之后的待检测图像的尺寸设为第一尺寸，获取第一尺寸待检测图像，包括：

将所述待检测图像进行灰度化处理，使所述待检测图像由RGB三通道变为R通道、G通道和B通道，获取所述灰度化处理之后的待检测图像；

利用双线性插值法将所述灰度化处理之后的待检测图像的尺寸扩大或缩小至所述第一尺寸；

所述第一层深度学习模型包括并列的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，所述第一卷积神经网络、第二卷积神经网络和第三卷积神经网络均分别为3层卷积神经网络；所述第一卷积神经网络输出第一尺寸的R通道像素矩阵，所述第二卷积神经网络输出第一尺寸的G通道像素矩阵，所述第三卷积神经网络输出第一尺寸的B通道像素矩阵；

所述3层卷积神经网络包括依次进行的第一层卷积层、第二层卷积层和第三层卷积层；所述第一层卷积层的卷积核的尺寸为5*5，所述第二层卷积层的卷积核的尺寸为4*4，所述第三层卷积层的卷积核的尺寸为3*3，所述第一层卷积层、第二层卷积层和第三层卷积层的卷积核的数量均为64个；

第二层深度学习网络包括并列的第四卷积神经网络、第五卷积神经网络和第六卷积神经网络；所述第四卷积神经网络、第五卷积神经网络和第六卷积神经网络均分别为18层卷积神经网络；所述第四卷积神经网络输出第二尺寸的R通道像素矩阵，所述第五卷积神经网络输出第二尺寸的G通道像素矩阵，所述第六卷积神经网络输出第二尺寸的B通道像素矩阵；

所述18层卷积神经网络的每一层卷积层的卷积核的尺寸均为3*3，卷积核的数量均为32个；所述18层卷积神经网络为含残差结构的卷积神经网络，所述含残差结构的卷积神经网络的残差连接从所述18层卷积神经网络输入直至输出。

2.根据权利要求1所述的一种超分辨率图像重建方法，其特征在于，所述三像素矩阵包括R通道像素矩阵、G通道像素矩阵和B通道像素矩阵。