[发明专利]一种图像超分辨率重建网络结构及图像重建效果分析方法

权利要求书

1.一种图像超分辨率重建网络结构，其特征在于：所述网络结构包含特征提取部分和上采样部分，滤波器数量为64，首先从原始低分辨率输入图像提取特征图的卷积过程表示如下：

M₀＝W_fe1*I_LR+b_fe1

式中：W_fe1表示一组数量为64，大小为3×3的滤波器，*表示卷积操作，I_LR表示输入网络的低分辨率图像，b_fe1表示偏移项，M₀表示卷积运算后得到的特征图，所述特征提取部分包含m个改进残差块，第i个残差块的输出表示为：

M_i＝F_i(M_i-1)

式中：i＝1,…,m，F_i表示第i个改进残差块函数，M_i表示第i个改进残差块输出的特征图，所述上采样部分通过加强上采样模块(EUM)和卷积得到网络的输出，表示如下：

I_SR＝W_up*F_up(W_fe2*M_m+b_fe2+M₀)+b_up

式中：W_fe2和W_up分别表示大小为1×1和3×3的滤波器，b_fe2、b_up表示偏移项，F_up表示上采样模块函数，I_SR表示网络输出的高分辨图像；

所述上采样模块为由加强上采样模块(EUM)组成，所述加强上采样模块(EUM)用四个残差块组成的具有相同结构的残差模块替换了亚像素卷积中输出特征图是输入四倍的复杂卷积层，所述残差模块中包含了ReLU激活函数，加强上采样模块(EUM)进行非线性计算，其非线性表示能力好，连接多路径特征图之后，加强上采样模块(EUM)与亚像素卷积同样地执行像素重排操作，每个加强上采样模块(EUM)会使分辨率变为原来的2倍，尺度因子为2时的上采样部分由一个EUM构成，尺度因子为4时的上采样部分由两个加强上采样模块(EUM)连接构成；

在超分辨率重建任务中，所述网络结构使用L1范式型的损失函数，如下所示：

式中：θ表示网络中各层参数的集合，表示高分辨率重建图像，表示原始高分辨率图像，n表示训练样本的数目。

2.根据权利要求1所述的一种图像超分辨率重建网络结构，所述改进残差块结构采用了分组操作，把64个通道分为每组16通道的4组，对其中一组用3×3卷积提取线性特征，对其他组用3×3卷积加上修正线性单元(ReLU)提取非线性特征，其中的1×1的卷积用于学习通道间相关性，减少分组操作对特征的影响，所述改进残差块使用分组卷积在充分利用了图像的多尺度特征的同时相比于原残差块减少了超过三分之二的参数量。