[发明专利]图像超分辨率方法、装置及设备

说明书

本申请公开了一种图像超分辨率方法、装置及设备，获取待进行图像超分辨率的图像之后，利用图像超分辨率模型，基于所述图像的浅特征以及所述图像的深度特征，得到与所述图像对应的超分辨率图像，所述图像的深度特征中包括所述图像的自身纹理特征。上述方案中，图像超分辨率模型能够利用图像的自身纹理特征，使得超分辨率图像中的纹理特征更为清晰。

技术领域

本申请涉及图像处理技术领域，更具体的说，是涉及一种图像超分辨率方法、装置及设备。

背景技术

图像超分辨率是指由一幅低分辨率图像通过超分辨率得到高分辨率图像。例如，128*128*3的低分辨率图像通过超分辨率放大2倍后会得到256*256*3的高分辨率图像。

目前，较通用的图像超分辨率的方法主要是基于深度学习的方法，如超分辨率模型RCAN(残差信道注意网络，发表于Y.Zhang,K.Li,K.Li,L.Wang,B.Zhong,and Y.Fu,“Image super resolution using very deep residual channel attention networks,”in Proceedings of the European Conference on Computer Vision(ECCV),2018,pp.286–301.)，和，超分辨率模型SAN(二阶注意力网络，发表于T.Dai,J.Cai,Y.Zhang,S.-T.Xia,and L.Zhang,“Second-order attention network for single image super-resolution,”in Proceedings of the IEEE Conference on Computer Vision andPattern Recognition,2019,pp.11 065–11074.)。

但是，目前的超分辨率模型无法应用图像的自身纹理特征。

发明内容

鉴于上述问题，本申请提出了一种图像超分辨率方法、装置及设备。具体方案如下：

一种图像超分辨率方法，包括：

获取待进行图像超分辨率的图像；

利用图像超分辨率模型，基于所述图像的浅特征以及所述图像的深度特征，得到与所述图像对应的超分辨率图像，所述图像的深度特征中包括所述图像的自身纹理特征。

可选地，所述利用图像超分辨率模型，基于所述图像的浅特征以及所述图像的深度特征，得到与所述图像对应的超分辨率图像，包括：

利用图像超分辨率模型的浅特征提取模块，对所述图像进行浅特征提取处理，得到所述图像的浅特征；

利用图像超分辨率模型的深度特征提取模块，对所述图像的浅特征进行深度特征提取处理，得到所述图像的深度特征；

利用图像超分辨率模型的上采样重建模块，对所述图像的浅特征以及所述图像的深度特征进行上采样重建处理，得到与所述图像对应的超分辨率图像。

可选地，所述图像超分辨率模型的深度特征提取模块的构建方式包括：

基于预先构建的深度特征提取单元，构建所述图像超分辨率模型的深度特征提取模块；

所述深度特征提取单元包括第一预设数量的分支，每个分支由不同数量的残差单元堆叠，相邻分支间深度相差2倍，相邻分支共用至少一个卷积层。

可选地，所述基于预先构建的深度特征提取单元，构建所述图像超分辨率模型的深度特征提取模块，包括：

串联多个所述深度特征提取单元，构建所述图像超分辨率模型的深度特征提取模块；