[发明专利]一种分层图像超分辨率方法、系统、计算机设备及应用

权利要求书

1.一种分层图像超分辨率方法，其特征在于，所述分层图像超分辨率方法包括：

使用图像数据集DIV2K作为训练集，基于引导滤波器对训练样本进行分层，利用公式分别将LR样本图像分为细节图像和平滑图像，将HR样本图像分为细节图像和平滑图像，并建立一一对应关系；形成了两个样本训练库，一个是细节图像样本训练库，一个是平滑图像样本训练库；

设计两个深度残差卷积网络DLRCN和DGRCN，分别用于细节图像的训练和平滑图像的训练；

分别用细节图像样本训练集对深度局部残差卷积网DLRCN进行训练，用平滑图像样本训练集对深度全局残差卷积网DGRCN进行训练；

分别用细节图像测试样本集对深度局部残差卷积网DLRCN进行训练，用平滑图像测试样本集对深度全局残差卷积网DGRCN进行训练，验证所提模型的准确性和可靠性。

2.如权利要求1所述的分层图像超分辨率方法，其特征在于，所述分层图像超分辨率方法建立训练集：使用图像数据集DIV2K作为训练集，从DIV2K中选取400幅图像来构建LR-HR训练样本库。

3.如权利要求1所述的分层图像超分辨率方法，其特征在于，所述分层图像超分辨率方法的图像分层利用引导图像的结构变化，对输入的图像进行引导滤波，最终输出图像既保留了输入图像的整体特征，获取引导图像的变化细节；引导滤波器的算法为引导图像I和滤波输出图像q之间是局部线性模型，在以像素点k为中心的窗口w_k中，输出图像q是引导图像I的线性变换：

q_i＝a_kI_i+b_k

式中：(a_k,b_k)为常量，该线性模型假定当且仅当引导图像I有边缘时q才会有边缘，▽q＝a▽I，为了求出线性系数(a_k,b_k)要对滤波输入图像p进行约束；输出图像q是由输入图像p减去噪声n得到的：

q_i＝p_i-n_i；

为了求出线性系数(a_k,b_k)的最优解，要使q和p之间的差异最小，等价为最小化窗口w_k中的代价函数：

其中λ为小于1的正则化参数，公式是一个线性回归模型，最优解是：

b_k＝μ_k-a_kμ_k；

由引导滤波器的性质知，由式q_i＝a_kI_i+b_k得到的引导滤波器的输出图像q，其保持了引导图像I的边缘，于是利用式I_enhance＝k(I-q)+q对引导滤波器输出图像q进行细节增强：

I_enhance＝k(I-q)+q；

其中，I_enhance表示细节增强图像，k表示细节放大倍数，在文中选用，根据式I_enhance＝k(I-q)+q对图像I进行分层，分为细节层I_detail和平滑层I_smooth，用公式表示如下：

I_detail＝I_enhance-I；

I_smooth＝2I-I_enhance；

I＝I_detail+I_smooth；

图像经过分层后就分为两部分，分别为细节层和平滑层，即一幅图像由细节图像和平滑图像构成，细节图像代表图像的高频部分，平滑图像道标图像的低频部分。