[发明专利]一种超分辨率图像重建方法及装置

说明书

本发明提供了一种超分辨率图像重建方法及装置，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，第二尺寸大于第一尺寸；将第二尺寸的三像素矩阵整合，获取超分辨率图像。本发明对低分辨率图像转化为高分辨率图像的处理速度快，无需担心物体运动，重建程度高，且设计简易，处理速度快。

技术领域

本发明涉及图像处理和机器学习技术领域，尤其涉及一种超分辨率图像重建方法及装置。

背景技术

随着人们对图片像素的要求越来越高，人们对于高像素的相机越来越推崇，但是，即使高像素的相机的分辨率也有限，需要将低分辨率的图片转换为高分辨率的图片。

目前，超分辨率图像重建技术主要是基于频率或空域的方法，但是基于频域的方法只适用于图像中不存在局部运动、仅仅有物体整体运动的情况，只有在空域的噪声不变的情况下适用；而基于空域的方法设计复杂、计算步骤多、速度慢。

因此，目前的超分辨率图像重建技术存在仅适用于物体整体运动，而不存在局部运动或设计复杂、计算步骤多和速度慢的问题。

发明内容

为了解决目前超分辨率图像重建技术存在仅适用于物体整体运动，而不存在局部运动或设计复杂、计算步骤多和速度慢的问题，一方面，本发明提供了一种超分辨率图像重建方法，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，第二尺寸大于第一尺寸；

将第二尺寸的三像素矩阵整合，获取超分辨率图像。

优选地，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：

将待检测图像进行灰度化处理，使待检测图像由RGB三通道变为R通道、G通道和B通道，获取灰度化处理之后的待检测图像；

利用双线性插值法将灰度化处理之后的待检测图像的尺寸扩大或缩小至第一尺寸。

优选地，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。

优选地，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，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；第一卷积神经网络输出第一尺寸的R通道像素矩阵，第二卷积神经网络输出第一尺寸的G通道像素矩阵，第三卷积神经网络输出第一尺寸的B通道像素矩阵。

优选地，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；第一层卷积层的卷积核的尺寸为5*5，第二层卷积层的卷积核的尺寸为4*4，第三层卷积层的卷积核的尺寸为3*3，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。

优选地，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；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；第四卷积神经网络输出第二尺寸的R通道像素矩阵，第五卷积神经网络输出第二尺寸的G通道像素矩阵，第六卷积神经网络输出第二尺寸的B通道像素矩阵。

优选地，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；18层卷积神经网络为含残差结构的卷积神经网络，含残差结构的卷积神经网络的残差连接从18层卷积神经网络的输入直至输出。

另一方面，本发明还提供了一种超分辨率图像重建装置，包括：