[发明专利]超分辨率图像重构方法和装置

权利要求书

1.一种超分辨率图像重构方法，其特征在于，包括：

构建生成对抗网络，其中所述生成对抗网络至少包括生成器、判别器和损失函数计算器；

构建原始分辨率图像训练集；

基于所述原始分辨率图像训练集训练所述生成对抗网络，其中，所述原始分辨率图像训练集经由预处理作为所述判别器的第一输入，所述生成器的输出作为所述判别器的第二输入；

利用训练后的所述生成对抗网络的生成器，对输入图像进行重构。

2.根据权利要求1所述的图像重构方法，其特征在于，所述构建生成对抗网络，包括：

利用卷积神经网络构建所述生成器，所述卷积神经网络包括卷积核大小依次递减的多个卷积层，其中每个卷积层的卷积核大小都大于步长。

3.根据权利要求2所述的图像重构方法，其特征在于，利用卷积神经网络构建所述生成器，包括：

将卷积神经网络的输出层之后增加用于下采样的平均池化层，其中将从所述平均池化层输出的图像作为所述判别器的所述第二输入，

其中，所述利用训练后的所述生成对抗网络的生成器，对输入图像进行重构，包括：

将所述输入图像输入到所述生成器，从输出层得到重构图像。

4.根据权利要求1所述的图像重构方法，其特征在于，所述判别器的所述第一输入对应于第一输出，所述第二输入对应于第二输出，其中所述构建生成对抗网络，包括：

利用生成器损失函数计算器，以便向所述生成器反馈所述生成器损失函数，其中所述生成器损失函数至少包括所述第一输出与所述第二输出之间的交叉熵损失。

5.根据权利要求1所述的图像重构方法，其特征在于，所述构建生成对抗网络，包括：

利用批归一化层构建所述判别器，所述批归一化层置于所述判别器的密集层与激励函数层之间。

6.一种超分辨率图像重构装置，其特征在于，包括：

第一构建模块，构建生成对抗网络，其中所述生成对抗网络至少包括生成器、判别器和损失函数计算器；

第二构建模块，构建原始分辨率图像训练集；

训练模块，基于所述原始分辨率图像训练集训练所述生成对抗网络，其中，所述原始分辨率图像训练集经由预处理作为所述判别器的第一输入，所述生成器的输出作为所述判别器的第二输入；

重构模块，利用训练后的所述生成对抗网络的生成器，对输入图像进行重构。

7.根据权利要求6所述的图像重构装置，其特征在于，所述第一构建模块具体用于：

利用卷积神经网络构建所述生成器，所述卷积神经网络包括卷积核大小依次递减的多个卷积层，其中每个卷积层的卷积核大小都大于步长。

8.根据权利要求7所述的图像重构装置，其特征在于，所述第一构建模块具体用于：

将卷积神经网络的输出层之后增加用于下采样的平均池化层，其中将从所述平均池化层输出的图像作为所述判别器的所述第二输入，

其中，所述重构模块具体用于：

将所述输入图像输入到所述生成器，从输出层得到重构图像。

9.根据权利要求6所述的图像重构装置，其特征在于，所述判别器的所述第一输入对应于第一输出，所述第二输入对应于第二输出，其中所述第一构建模块具体用于：

利用生成器损失函数计算器，以便向所述生成器反馈所述生成器损失函数，其中所述生成器损失函数至少包括所述第一输出与所述第二输出之间的交叉熵损失。

10.根据权利要求6所述的图像重构装置，其特征在于，所述第一构建模块具体用于：

利用批归一化层构建所述判别器，所述批归一化层置于所述判别器的密集层与激励函数层之间。