[发明专利]基于级联框架的单幅压缩图像超分辨率重建方法

权利要求书

1.基于级联框架的单幅压缩图像超分辨率重建方法，其特征在于包括以下步骤：

步骤一：对于输入的低分辨率压缩图像，构建一种基于宽激活残差块的去压缩效应网络，用于去除压缩噪声，得到去噪后的低分辨率图像；

步骤二：利用训练图像集，训练步骤一中构建的去压缩效应网络；

步骤三：对于去噪后的低分辨率图像，构建一种基于宽激活残差块的超分辨率重建网络，以提升图像分辨率，得到最终高分辨率图像；

步骤四：利用训练图像数据集，训练步骤三中构建的超分辨率重建网络；

步骤五：在图像重建阶段，将低分辨率压缩图像作为输入，利用步骤二中训练出的网络来重建出低分辨率图像，再将得到的图像作为输入，利用步骤四中训练出的网络来重建出最终的高分辨率图像。

2.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法，其特征在于步骤一所述的去压缩效应网络，该网络通过设定固定卷积层实现图像的重叠取块，这种重叠取块的方式一方面增加了网络的感受野，使得网络的预测输出能够利用更多的输入图像信息；另一方面，这种操作在一定程度上对待重建像素进行了多次重建，在提高了网络鲁棒性的同时，能有效地消除块效应。

3.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法，其特征在于步骤一所述的去压缩效应网络和步骤三所述的超分辨率重建网络，该网络利用了宽激活残差块，对线性整流函数(Rectified Linear Unit,ReLU)激活前的特征进行通道扩充，对激活后的特征进行通道还原，将能在有效提升网络预测性能的同时，不引入更多的网络参数和计算量；在这种参数量和网络计算复杂度不变的情况下，宽激活网络能够获得更优的性能。

4.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法，其特征在于步骤三所述的超分辨率重建网络，该网络的输入是步骤一中去压缩效应网络的输出，以实现了去压缩效应网络和超分辨率网络的级联，将低分辨率压缩图像的超分重建问题分割为去压缩效应和超分辨率重建两个子环节。

5.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法，其特征在于步骤四所述的超分辨率重建网络，在训练该网络时，使用经过步骤一中去压缩效应网络处理后的图像和下采样的低分辨率图像作为训练图像对，通过这种方式训练的超分辨率重建网络更具有针对性，能够有效地提升最终网络的性能。