[发明专利]一种多尺度图像超分辨率重建的方法及装置在审
申请号: | 201811133627.9 | 申请日: | 2018-09-27 |
公开(公告)号: | CN109064408A | 公开(公告)日: | 2018-12-21 |
发明(设计)人: | 许靳昌;董远;白洪亮;熊风烨 | 申请(专利权)人: | 北京飞搜科技有限公司 |
主分类号: | G06T3/40 | 分类号: | G06T3/40 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王莹;李相雨 |
地址: | 100876 北京市海淀区西土城路*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分辨率图像 残差 超分辨率重建 多尺度图像 尺度 分辨率 重建 图像超分辨率 图像分辨率 高频细节 多尺度 固定层 多层 图像 输出 节约 恢复 保证 学习 | ||
1.一种多尺度图像超分辨率重建方法,其特征在于,包括:
获取第一分辨率图像;
将所述第一分辨率图像输入至训练好的多尺度图像超分辨率重建模型,输出多尺度的第二分辨率图像,所述多尺度图像超分辨率重建模型为基于第二分辨率图像样本和与其对应的第一分辨率图像样本进行训练后得到,所述第二分辨率大于所述第一分辨率;所述多尺度图像超分辨率重建模型为基于残差结构和重建结构的多层神经网络。
2.根据权利要求1所述的一种多尺度图像超分辨率重建方法,其特征在于,每层所述重建结构的输入为上一层残差结构的输出,每层所述重建结构的输出为单一尺寸的第二分辨率图像。
3.根据权利要求1所述的一种多尺度图像超分辨率重建方法,其特征在于,所述多尺度图像超分辨率重建模型的训练数据的获取包括以下步骤:
通过OpenCV中的下采样函数对所述第二分辨率图像样本进行下采样,加入噪声,并进行JPEG压缩,得到与所述第二分辨率图像样本对应的第一分辨率图像样本;
将所述第二分辨率图像样本任意裁剪第二像素尺寸的区域,并裁剪所述第一分辨率图像样本中与所述第二像素尺寸的区域对应的第一像素尺寸的区域;所述第二分辨率图像样本的尺寸和所述第一分辨率图像样本的尺寸之比值与所述第二像素尺寸和所述第一像素尺寸之比值相同;
将所述第一像素尺寸的区域和所述第二像素尺寸的区域作为所述训练数据。
4.根据权利要求1所述的一种多尺度图像超分辨率重建方法,其特征在于,上一层残差结构的输出与所述上一层残差结构的输入之和为下一层残差结构的输入。
5.根据权利要求1所述的一种多尺度图像超分辨率重建方法,其特征在于,所述残差结构包括顺序进行的第一卷积层、非线性激活函数层和第二卷积层。
6.根据权利要求1所述的一种多尺度图像超分辨率重建方法,其特征在于,所述重建结构包括顺序进行的第三卷积层、超像素层和第四卷积层,所述超像素层用于扩大所述第三卷积层的输出对象的尺寸。
7.根据权利要求1所述的一种多尺度图像超分辨率重建方法,其特征在于,输出为第二尺度的第二分辨率图像对应的重建结构经过的残差结构的层数多于输出为第一尺度的第二分辨率图像对应的重建结构经过的残差结构的层数,所述第二尺度大于所述第一尺度。
8.一种多尺度图像超分辨率重建装置,其特征在于,包括:
获取模块,用于获取第一分辨率图像;
处理模块,用于将所述第一分辨率图像输入至训练好的多尺度图像超分辨率重建模型,输出多尺度的第二分辨率图像;所述多尺度图像超分辨率重建模型为基于第二分辨率图像样本和与其对应的第一分辨率图像样本进行训练后得到,所述第二分辨率大于所述第一分辨率;所述多尺度图像超分辨率重建模型为基于残差结构和重建结构的多层神经网络。
9.一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述多尺度图像超分辨率重建方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述多尺度图像超分辨率重建方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京飞搜科技有限公司,未经北京飞搜科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811133627.9/1.html,转载请声明来源钻瓜专利网。