[发明专利]一种基于超分辨率重建的图像分类方法在审
| 申请号： | 201910542279.9 | 申请日： | 2019-06-21 |
| 公开（公告）号： | CN110321939A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 罗子娟;李友江;缪伟鑫 | 申请（专利权）人： | 中国电子科技集团公司第二十八研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 常虹 |
| 地址： | 210007 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 超分辨率重建 低分辨率图像 图像分类 分类 高分辨率图像 神经网络 原始图像 分类结果 细节信息 网络 分辨率 准确率 图像 对抗 | ||
1.一种基于超分辨率重建的图像分类方法，其特征在于，包括训练阶段和分类阶段；所述训练阶段包括步骤：
(1)采集一组分辨率为P1的原始图像集；
(2)对原始图像集中的图像降低分辨率，得到分辨率为P2的低分辨率图像集；P2<P1；
(3)构建生成对抗网络，所述生成对抗网络包括生成器G和判别器D；所述生成器G的输入为分辨率为P2的图像f(x,y)′，输出为分辨率为P1的图像所述判别器D的输入为生成器G输出的分辨率为P1的图像和与f(x,y)′对应的分别率为P1的原始图像f(x,y)；
(4)使用原始图像集中的图像和低分辨率图像集中的图像训练步骤3构建的生成对抗网络，得到超分辨率重建的生成对抗网络；
(5)构建基于深度学习的分类神经网络；
采集多类分辨率为P1的图像样本，对采集的图像样本标注类别标签，制作训练样本集；
使用训练样本集对构建的分类神经网络进行分类训练，得到训练好的分类神经网络；
所述分类阶段包括：
(6)将待分类的低分辨率图像使用超分辨率重建的生成对抗网络进行处理，得到重建的分辨率为P1的图像T；
(7)使用训练好的分类神经网络对图像T进行分类，得到分类结果。
2.根据权利要求1所述的基于超分辨率重建的图像分类方法，其特征在于，步骤(2)中对原始图像集中的原始图像进行降采样来得到低分辨率图像。
3.根据权利要求1所述的基于超分辨率重建的图像分类方法，其特征在于，所述分类神经网络框架为ResNet。
4.根据权利要求1所述的基于超分辨率重建的图像分类方法，其特征在于，所述生成对抗网络优化的目标函数为：
其中Nx×Ny为分辨率为P1的图像尺寸。
5.根据权利要求1所述的基于超分辨率重建的图像分类方法，其特征在于，步骤6中先将待分类的低分辨率图像的分辨率转换为P2，再使用训练好的生成对抗网络进行分辨率重建。
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中国电子科技集团公司第二十八研究所，未经中国电子科技集团公司第二十八研究所许可，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/201910542279.9/1.html，转载请声明来源钻瓜专利网。
