[发明专利]超分辨率重建方法、装置、计算机设备和存储介质

权利要求书

1.一种超分辨率重建方法，其特征在于，所述方法包括：

获取待重建的低分辨率图像数据；

从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；

获取训练后的机器学习模型；所述机器学习模型包括特征提取层、特征比对层和特征融合层；

将所述低分辨率图像数据与所述参考图像数据输入所述特征提取层，在所述特征提取层分别提取所述低分辨率图像数据和所述参考图像数据的纹理特征，得到所述低分辨率图像数据对应的低分辨率纹理特征及所述参考图像数据对应的高分辨率纹理特征；相似特征分布用于表征高分辨率纹理特征中与低分辨率纹理特征相似的特征的位置分布以及各个位置分布对应的相似度；

将所述低分辨率纹理特征及所述高分辨率纹理特征输入所述特征比对层，在所述特征比对层对所述低分辨率纹理特征及所述高分辨率纹理特征进行相似度比对，获得相似特征分布；

将所述低分辨率图像数据及所述相似特征分布输入所述特征融合层，在所述特征融合层根据相似特征分布及所述低分辨率图像数据进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。

2.根据权利要求1所述的方法，其特征在于，所述高分辨率图像数据库的建立步骤包括：

获取多个不同对象对应的高分辨率图像数据；

对各个高分辨率图像数据提取特征，以得到各个高分辨率图像数据各自对应的高分辨率特征向量；

将各个高分辨率图像数据与各自对应的高分辨率特征向量对应存储至数据库中，以建立所述高分辨率图像数据库。

3.根据权利要求2所述的方法，其特征在于，在所述从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据之前，所述方法还包括：

对所述低分辨率图像数据提取特征，以得到所述低分辨率图像数据对应的低分辨率特征向量；

所述从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据包括：

从所述高分辨率图像数据库中获取与所述低分辨率特征向量的向量距离满足距离条件的目标高分辨率特征向量，将所述目标高分辨率特征向量对应的高分辨率图像数据确定为参考图像数据。

4.根据权利要求2所述的方法，其特征在于，在所述将各个高分辨率图像数据与各自对应的高分辨率特征向量对应存储至数据库中，以建立所述高分辨率图像数据库之后，所述方法还包括：

对各个所述高分辨率特征向量进行聚类处理，得到多个特征向量簇；各个特征向量簇存在对应的聚类中心；

将各个特征向量簇对应的聚类中心作为索引项，将各个特征向量簇中的高分辨率特征向量作为倒排文件，建立倒排索引。

5.一种超分辨率重建装置，其特征在于，所述装置包括：

数据获取模块，用于获取待重建的低分辨率图像数据；

搜索模块，用于从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；

融合处理模块，用于获取训练后的机器学习模型；所述机器学习模型包括特征提取层、特征比对层和特征融合层；将所述低分辨率图像数据与所述参考图像数据输入所述特征提取层，在所述特征提取层分别提取所述低分辨率图像数据和所述参考图像数据的纹理特征，得到所述低分辨率图像数据对应的低分辨率纹理特征及所述参考图像数据对应的高分辨率纹理特征；相似特征分布用于表征高分辨率纹理特征中与低分辨率纹理特征相似的特征的位置分布以及各个位置分布对应的相似度；将所述低分辨率纹理特征及所述高分辨率纹理特征输入所述特征比对层，在所述特征比对层对所述低分辨率纹理特征及所述高分辨率纹理特征进行相似度比对，获得相似特征分布；将所述低分辨率图像数据及所述相似特征分布输入所述特征融合层，在所述特征融合层根据相似特征分布及所述低分辨率图像数据进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。