[发明专利]图像缩放

权利要求书

1.一种计算机实现的方法，包括：

获取具有第一分辨率的输入图像；以及

利用经训练的可逆神经网络，基于所述输入图像来生成具有第二分辨率的输出图像和服从预定分布的高频信息，其中所述第一分辨率高于所述第二分辨率并且所述输入图像和所述输出图像具有相同语义。

2.根据权利要求1所述的方法，其中所述可逆神经网络包括变换模块和至少一个可逆网络单元，并且基于所述输入图像来生成所述输出图像和所述高频信息包括：

利用所述变换模块，将所述输入图像分解成表示所述输入图像的语义的低频分量和与所述语义有关的高频分量；以及

利用所述至少一个可逆网络单元，基于所述低频分量和所述高频分量来生成所述输出图像和与所述语义无关的所述高频信息。

3.根据权利要求2所述的方法，其中所述变换模块包括以下任一项：

小波变换模块；以及

可逆卷积块。

4.根据权利要求1所述的方法，还包括：

训练所述可逆神经网络，使得：

经训练的所述可逆神经网络能够基于所述第一分辨率的第一图像来生成具有所述第二分辨率的第二图像和服从所述预定分布的第一高频信息，并且

经训练的所述可逆神经网络的逆网络能够基于所述第二分辨率的第三图像和服从所述预定分布的第二高频信息来生成具有所述第一分辨率的第四图像。

5.根据权利要求4所述的方法，其中训练所述可逆神经网络包括：

获取具有所述第一分辨率的第一组训练图像；

获取与所述第一组训练图像的语义分别对应并且具有所述第二分辨率的第二组训练图像；以及

基于所述第一组训练图像和所述第二组训练图像，训练所述可逆神经网络。

6.根据权利要求5所述的方法，其中获取所述第二组训练图像包括：

利用插值法，基于所述第一组训练图像来生成所述第二组训练图像。

7.根据权利要求5所述的方法，其中训练所述可逆神经网络包括：

基于所述第一组训练图像和所述第二组训练图像，确定多个目标函数；

通过组合所述多个目标函数中的至少一部分目标函数，确定用于训练所述可逆神经网络的总目标函数；以及

通过使所述总目标函数最小化，确定所述可逆神经网络的网络参数。

8.根据权利要求7所述的方法，其中确定所述多个目标函数包括：

利用所述可逆神经网络，基于所述第一组训练图像来生成具有所述第二分辨率的第三组训练图像和一组随机变量；以及

基于所述第二组训练图像与所述第三组训练图像之间的差异，确定第一目标函数。

9.根据权利要求7所述的方法，其中确定所述多个目标函数包括：

利用所述可逆神经网络，基于所述第一组训练图像来生成具有所述第二分辨率的第三组训练图像和一组随机变量；

利用所述逆网络，基于所述第三组训练图像和服从所述预定分布的高频信息来生成具有所述第一分辨率的第四组训练图像；以及

基于所述第一组训练图像与所述第四组训练图像之间的差异，确定第二目标函数。

10.根据权利要求9所述的方法，其中确定所述多个目标函数包括：

确定所述第一组训练图像的第一数据分布；

确定所述第四组训练图像的第二数据分布；以及

基于所述第一数据分布和所述第二数据分布之间的差异，确定第三目标函数。

11.根据权利要求9所述的方法，其中确定所述多个目标函数包括：

确定所述一组随机变量的第三数据分布；以及

基于所述第三数据分布和所述预定分布之间的差异，确定第四目标函数。