[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

说明书

本发明公开了一种基于级联框架的单幅压缩图像超分辨率重建方法。本发明将去压缩效应子网络与超分辨率子网络级联，提出了一种针对单幅压缩图像的超分辨率重建方法，主要包括以下步骤：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，得到去噪后的低分辨率图像；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，得到最终高分辨率图像；利用训练图像数据集，训练构建的去压缩效应网络和超分辨率重建网络；在图像重建阶段，将低分辨率压缩图像作为输入，利用训练出的网络重建出最终高分辨率图像。本发明所述的方法能获得很好的主客观效果，是一种有效的单幅图像超分辨率重建方法。

技术领域

本发明涉及图像分辨率提升技术，具体涉及一种基于级联框架的单幅压缩图像超分辨率重建方法，属于图像处理领域。

背景技术

图像作为主要的信息载体之一，因其具有直观生动的特征，在人类的生产和生活中有着极为重要的地位。随着网络科技时代的迅猛发展，图像和视频的数据量呈现了爆发式的增长，为信息的存储与传输带来了严重的负荷。此外，人们对图像质量和分辨率的需求也日益增长，尤其在医学、军事、遥感、天文及智能监控等应用领域，都要求获得更加清晰、分辨率更高、质量更好的图像，诸如此类的需求都对现有的技术和设备提出了巨大的挑战。现阶段，图像往往是以低分辨率的形式进行采集、存储和传输的，并且通常都会对图像进行一定倍数的压缩以节省存储空间和带宽资源。然而，压缩率的提高会导致图像中出现严重的失真现象，降低图像的质量，图像采集分辨率的降低也会导致图像的高频细节信息过度丢失，从而导致获取到的图像不能很好的满足不同方面的应用需求。

超分辨率重建技术可以对已采集的降质图像及视频进行分辨率提升，具有成本低、实用性强的特点，因此其具有十分重要的理论和实际意义。但是绝大多数超分辨率重建算法针对的都是非压缩图像，即处理的低分辨率图像中只存在下采样或模糊的降质条件，而压缩图像在量化阶段引入的压缩效应与图像自身的信息具有较强的相关性，尤其是在压缩倍数较高的情况下，导致了常规的针对非压缩图像的超分辨率重建算法不能有效地处理压缩图像。

发明内容

本发明的目的就在于为解决上述问题而提供一种基于级联框架的单幅压缩图像超分辨率重建方法。在本发明中，将针对非压缩图像的超分辨率重建方法统称为常规超分，将针对压缩图像的超分辨率重建方法称为压缩超分。本发明的方法使用基于深度学习的卷积神经网络，将压缩超分任务分解为去压缩效应和超分辨率重建两个子问题，也即是先进行去压缩效应处理，再对处理后的结果进行超分辨率重建，从而构建一种级联的超分辨率重建框架。

本发明提出的基于级联框架的单幅压缩图像超分辨率重建方法，主要包括以下操作步骤：

(1)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；

(2)利用训练图像集，训练步骤(1)中构建的去压缩效应网络；

(3)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；

(4)利用训练图像数据集，训练步骤(3)中构建的超分辨率重建网络；

(5)在图像重建阶段，将低分辨率压缩图像作为输入，利用步骤(2)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(4)中训练出的网络来重建出最终的高分辨率图像。

附图说明

图1是本发明基于级联框架的单幅压缩图像超分辨率重建方法的原理框图

图2是本发明卷积神经网络中用到的宽激活残差块结构图