[发明专利]一种基于生成对抗网络的单幅图像超分辨率重建方法有效
| 申请号： | 202010758924.3 | 申请日： | 2020-07-31 |
| 公开（公告）号： | CN111932456B | 公开（公告）日： | 2023-05-16 |
| 发明（设计）人： | 端木春江;郑喆 | 申请（专利权）人： | 浙江师范大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40 |
| 代理公司： | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人： | 李冉 |
| 地址： | 321000 *** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 生成 对抗 网络 单幅 图像 分辨率 重建 方法 | ||
1.一种基于生成对抗网络的单幅图像超分辨率重建方法，其特征在于，包括：
将图像输入到预先训练好的改进SRGAN网络中，得到超分辨率重建结果；其中，所述改进的SRGAN的网络结构在现有的SRGAN的网络结构的基础上进行如下改进：
(1)生成器第一层卷积由原来的1个9x9卷积核变为4个3x3的卷积核；
(2)生成器的残差块的数量由16个变为24个；且残差块中去除了BN层；
(3)激活函数由原来的PReLU变为ReLU；
(4)生成器中残差块里的激活函数前的卷积核通道数由64变为96；
(5)判别器与现有的SRGAN中的判别器相比少了最后一层sigmod层；
改进SRGAN网络的训练过程包括：
采用ImageNet数据集作为训练数据集；
对每个真实高分辨率图片随机裁剪96x96的子图片；
对裁剪后的96x96的子图片使用双三次插值下采样4倍得到24x24图像；
将96x96子图片和对应的24x24图像输入到判别器和生成器网络中进行训练；其中，训练过程中的代价损失函数为：
其中，fw(x)表示以w为参数的函数，||fw(x)||L≤1表示函数fw(x)需要满足常数为1的Lipschitz连续条件，以限制函数最大的局部变动的幅度，Pdata是输入的随机样本点的概率分布，Pg表示生成器的输出的样本点的概率分布，x～Pdata表示x为服从输入随机样本点的概率分布的随机变量，x～Pg表示x为服从生成器输出样本点的概率分布的随机变量，表示在x服从Pdata分布的条件下，fw(x)的数学期望；表示在x服从Pg分布的条件下，fw(x)的数学期望；max表示求取最大值的操作。
2.根据权利要求1所述的基于生成对抗网络的单幅图像超分辨率重建方法，其特征在于，还包括：利用峰值信噪比和结构相似性来对超分辨率重建结果进行评价。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江师范大学，未经浙江师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010758924.3/1.html，转载请声明来源钻瓜专利网。
