[发明专利]超分辨率图像重建方法及专用加速电路

权利要求书

1.超分辨率图像的重建方法，其特征在于，包括以下步骤：

步骤1，第一层为输入层，输入一个低分辨图像DL；

步骤2，第二至第六层为卷积层，低分辨率的图像经过卷积层的卷积运算获得一系列的特征图，这些特征图经过非线性映射成为高分辨率的图像块；

步骤2所述的卷积运算，卷积层是卷积神经网络的核心组成部分，具有局部连接和权值共享特征，卷积运算可由下面公式来表示:

Fⁱ＝σ(W_c(i)*F^i-1+b_i),(1)

式中：Fⁱ代表第i个卷积层的输出，F^i-1代表第i-1个卷积层的输出，上一层的输出作为下一层的输入，W_c(i)代表第i个卷积层的权重；卷积权重对应的是一个数量为n、大小为fxf的滤波器组，n和f的值需要具体进行设置，*代表卷积操作，b_i代表第i层的偏置；其中，偏置的维数始终与该层卷积核的数量保持一致，σ代表激活函数，卷积操作可以很好的提取特征，通过BP的误差反向传播，可以根据不同任务，得到对于这个任务最好的一个参数，学习出相对于这个任务最好的卷积核；对于每个卷积层需要设置的几个参数为:卷积核的大小、卷积核的数目(Number)、卷积操作的步长(stride)以及零填充(Pad)的大小；

步骤3，第七层为反卷积层，经过反卷积层的反卷积运算进一步提高图像块的分辨率；

步骤3所述的反卷积运算，过一个反卷积层实现了最终的重建过程，反卷积层在这里相当于上采样操作，通过调整反卷积层的步长来实现对采样因子的调整，采用相对较大的卷积核提升重建质量，该过程可以由下面公式来表示:

F＝σ(W_d·F⁵+B),(2)

其中F代表反卷积层的输出，W_d代表反卷积层的权重参数，·代表反卷积操作，F⁶代表最后一个卷积层的输出，B代表偏置，步长根据网络采样因子的大小进行相应的调整且始终大于1，若输入反卷积层的图像大小为I，反卷积层参数为:核的大小RxR、步长s，填充大小为p，经过反卷积之后的输出图像的大小为:o＝s(I-1)+R-2p，(4)；

步骤4，最终由第八层输出重建的高分辨率的图像DH。

2.用于如权利要求1所述的超分辨率图像重建方法的专用加速电路，其特征在于，包括有网络训练服务器(1)，网络训练服务器(1)便携图像采集电路(2)的网络结构参数存储单元(3)相连；网络结构参数存储单元(3)通过网络结构参数导入控制单元(4)与超分辨率芯片(5)的主存储器(6)相连；主存储器(6)的数据输入端与CMOS摄像头(7)相连。

3.根据权利要求2所述的用于超分辨率图像重建方法的专用加速电路，其特征在于，所述的便携图像采集电路(2)包括有超分辨率芯片(5)；超分辨率芯片(5)包括主存储器(6)，主存储器(6)的输出端与CPU8相连；主存储器(6)的输出端与取数控制单元(9)相连；主存储器(6)的输入端与写数控制单元(10)相连；CPU(8)的输出端分别与配置寄存器一(11)、配置寄存器二(12)、配置寄存器三(13)、配置寄存器四(14)、配置寄存器五(15)、配置寄存器六(16)相连；配置寄存器一(11)通过通路选择器一与取数控制单元(9)的输入输出端端相连；取数控制单元(9)依次与卷积运算单元(17)、激活运算单元(18)、反卷积运算单元(19)、池化运算单元(20)、写数控制单元(10)相连；配置寄存器二(12)通过通路选择器二与卷积运算单元(17)相连；配置寄存器三(13)通过通路选择器三与激活运算单元(18)相连；配置寄存器四(14)通过通路选择器四与反卷积运算单元(19)；配置寄存器五(15)通过通路选择器五与池化运算单元(20)相连；配置寄存器六(16)通过通路选择器六与写数控制单元(10)相连。

4.根据权利要求2所述的用于超分辨率图像重建方法的专用加速电路，其特征在于，所述的配置寄存器一(11)、配置寄存器二(12)、配置寄存器三(13)、配置寄存器四(14)、配置寄存器五(15)、配置寄存器六(16)结构相同；配置寄存器一(11)由配置寄存器A和配置寄存器B组成。