[发明专利]一种超分辨率图像的重构方法、重构系统和电子设备

权利要求书

1.一种超分辨率图像的重构方法，其特征在于，所述超分辨率图像的重构方法包括如下步骤：

步骤S1，对图像训练集中的训练图像进行关于颜色空间变换和插值变换的第一图像预处理，以对应地获得预处理图像训练集；

步骤S2，根据所述预处理图像训练集，对深度卷积神经网络模型进行学习训练处理，并根据所述学习训练处理得到的关于所述深度卷积神经网络模型的特征图和/或映射结果，优化所述深度卷积神经网络模型；

步骤S3，对图像测试集中的测试图像进行关于插值变换的第二图像预处理后，将所述测试图像输入至经过优化的所述卷积神经网络中，以输出得到与所述测试图像对应的超分辨率图像。

2.如权利要求1所述的超分辨率图像的重构方法，其特征在于：

在所述步骤S1中，对图像训练集中的训练图像进行关于颜色空间变换和插值变换的第一图像预处理，以对应地获得预处理图像训练集具体包括，

步骤S101，将所述图像训练集中的每一个训练图像转换至YCbCr颜色空间，以对应得到若干YCbCr颜色训练图像；

步骤S102，对每一个YCbCr颜色训练图像进行关于Y分量的降采样处理；

步骤S103，对经过所述降采样处理的每一个所述YCbCr颜色训练图像进行九宫格插值处理，并根据所述九宫格插值处理的结果形成所述预处理图像训练集。

3.如权利要求2所述的超分辨率图像的重构方法，其特征在于：

在所述步骤S103中，对经过所述降采样处理的每一个所述YCbCr颜色训练图像进行九宫格插值处理，并根据所述九宫格插值处理的结果形成所述预处理图像训练集具体包括，

步骤S1031，确定每一个所述YCbCr颜色训练图像中对应的待插值像素点以及所述待插值像素点附件像素区域对应的九个参考像素点；

步骤S1032，根据所述九个参考像素点，在水平方向和垂直方向上对所述待插值像素点进行三阶插值处理；

步骤S1033，根据下面公式(1)，计算经过所述三阶插值处理后的所述待插值像素点对应的像素值f(i+u，j+v)

在上述公式(1)中，i和j为预设中心点对应的坐标，row为所述像素值的行数，col为所述像素值的列数，u和v分别为所述待插值像素点与所述预设中心点在水平方向和垂直方向上的距离，w(x)为一分段函数，其具体表达式如下面公式(2)

步骤S1034，根据计算得到的所述像素值，将所述训练图像转换成具有比所述训练图像初始分辨率高的分辨率的预处理图像，以构成所述预处理图像训练集。

4.如权利要求1所述的超分辨率图像的重构方法，其特征在于：

在所述步骤S2中，根据所述预处理图像训练集，对深度卷积神经网络模型进行学习训练处理，并根据所述学习训练处理得到的关于所述深度卷积神经网络模型的特征图和/或映射结果，优化所述深度卷积神经网络模型具体包括，

步骤S201，根据TensorFlow架构，构建具有四层结构的所述深度卷积神经网络模型，同时对所述预处理图像训练集进行筛选处理以获得输入图像训练集；

步骤S202，将所述输入图像训练集的每一个图像的输入至所述深度卷积神经网络模型的循环网络模块中，以对所述输入图像训练集的每一个图像进行单次学习训练处理，以获得关于所述输入图像训练集的每一个图像对应的降维化学习训练结果；

步骤S203，对所述降维化学习训练结果进行特征和/或非线性映射的提取处理，以此优化所述深度卷积神经网络模型。