[发明专利]一种具有良好高频视觉效果的图像超分辨率重建方法

权利要求书

1.一种具有良好高频视觉效果的图像超分辨率重建方法，其特征在于，包括以下步骤：

11)构造并训练图像超分辨率重建网络模型：构建图像超分辨率重建网络模型，利用标准训练集中的图像对图像超分辨率重建网络模型进行训练；

所述的构造并训练图像超分辨率重建网络模型包括以下步骤：

121)设定图像超分辨率重建网络模型为四层结构，第一层为预处理放大层、第二层为特征提取层、第三层为非线性映射层、第四层为融合配对层，其中第二层、第三层、第四层均为卷积层；

122)对标准图像库{R₁,R₂,…R₉₁}中的图像进行随机裁剪，得到24800幅大小为32×32的图像集{R′₁,R′₂,…R′₂₄₈₀₀}；

123)将32×32的图像集{R′₁,R′₂,…R′₂₄₈₀₀}输入图像超分辨率重建网络模型进行训练；

12)待处理图像的获取：获取待处理的图像I；

13)超分辨率重建结构的获得：将待处理的图像I输入训练后的图像超分辨率重建网络模型，经过第一层放大k倍后得到中间图像I′，再送入第二层、第三层、第四层进行重建，得到最终的超分辨率图像O；所述超分辨率重建结构的获得包括以下步骤：

131)获取训练好的卷积神经网络模型中的映射{F₁,F₂,F₃}和对应的偏差{B₁,B₂,B₃}；

132)将待处理的图像I输入训练后的图像超分辨率重建网络模型，经过第一层放大k倍后得到中间图像I′，再经过第二层特征提取、第三层非线性映射和第四层融合配对的执行及相对应每步的映射{F₁,F₂,F₃}和对应的卷积基{B₁,B₂,B₃}来得到一个超分辨率的图像O。

2.根据权利要求1所述的一种具有良好高频视觉效果的图像超分辨率重建方法，其特征在于，所述的将32×32的图像集{R′₁,R′₂,…R′₂₄₈₀₀}输入图像超分辨率重建网络模型进行训练包括以下步骤：

21)对图像集{R′₁,R′₂,…R′₂₄₈₀₀}进行降采样，缩小k倍后得到图像集{R″₁,R″₂,…R″₂₄₈₀₀}；

22)对降采样的图像系列{R″₁,R″₂,…R″₂₄₈₀₀}中的每一个图像依次放大k倍，得到预处理放大的图像集

23)对预处理放大后的低分辨率图像集提取图像块，每个图像块表示为一个高维的向量，对于输入的预处理后的图像集中某一个图像表示为Y；计算映射F₁＝max(0,W1*Y+B1)，这里W1、B1分别表示滤波器、偏差，Y表示输入的低分辨率图像，W1的大小为9×9，滤波器个数为64，滤波器空域尺寸为9×9，B1是一个64维的向量；

24)将抽取出的64维向量映射到32维，即计算F₂＝max(0,W2*F₁+B2)，这里W2为滤波器，B2为偏差，其中W2的大小为1×1，滤波器个数为32，B2是一个32维的向量；

25)将得到的32维向量卷积处理得到第四层的映射结果，

即计算F₃＝W3*F₂+B3，这里W3为滤波器，B3是一个偏差，其中W3的大小为5×5，滤波器个数为1，B3是一个1维向量；

26)获取最优值，将重建后的图像和原始高分辨率图像集{R′₁,R′₂,…R′₂₄₈₀₀}进行评估，当重建后的图像最接近原始图像时，对应的滤波和偏差为最优，即采用最小化损失函数和Nadam方法来得到最优的滤波{W1,W2,W3}和卷积基{B1,B2,B3}。