[发明专利]一种用于获取盲超分辨率图像的方法、设备及存储介质

权利要求书

1.一种用于获取盲超分辨率图像的方法，其特征在于，包括：

估计自然图像退化过程中的图像退化模型参数，其中所述图像退化模型参数包括卷积核池和噪声池；

根据所述图像退化模型参数建立低分辨率-高分辨率的配对图像数据集；

利用所述配对图像数据集来训练和优化图像生成器；以及

基于所述配对图像数据集和所述图像生成器来训练和优化图像判别器，以获得盲超分辨率图像。

2.根据权利要求1所述的方法，其特征在于，其中估计自然图像退化过程中的图像退化模型参数包括：

构建所述自然图像中由高分辨率图像到低分辨率图像退化的图像退化模型；

利用线性卷积网络学习所述图像退化模型中的每个所述自然图像的模糊核，以估计模糊核池；以及

根据相对方差选择和子块划分来提取所述图像退化模型中的所述自然图像的噪声分布，以估计噪声池。

3.根据权利要求2所述的方法，其特征在于，其中建立低分辨率-高分辨率的配对图像数据集包括：

根据随机原则分别从所述模糊核池和所述噪声池中随机抽样，以获得目标模糊核和目标噪声块；以及

基于所述目标模糊核、所述目标噪声块以及所述图像退化模型来针对已知高分辨率图像进行降质过程的模拟，以建立与其配对的低分辨率图像。

4.根据权利要求1所述的方法，其特征在于，其中利用所述配对图像数据集来训练和优化图像生成器包括：

在二次Wasserstein距离的约束下，将低分辨率图像输入所述图像生成器来生成伪高分辨率图像，以获得所述图像生成器的损失函数；以及

基于所述损失函数来训练图像生成器。

5.根据权利要求4所述的方法，其特征在于，其中利用所述配对图像数据集来训练和优化图像生成器还包括：

在所述损失函数中加入多种目标损失，以对所述图像生成器进行优化。

6.根据权利要求5所述的方法，其特征在于，其中所述多种目标损失包括对抗损失、边界损失、像素损失和/或感知损失。

7.根据权利要求4所述的方法，其特征在于，其中训练和优化图像判别器包括：

将伪高分辨率图像和真高分辨率图像输入所述图像判别器，以便获取判别分值；

利用线性规划和深度神经网络确定所述判别分值的数值解；以及

基于最优传输原理和经数值解确定的二次Wasserstein距离来训练和优化图像判别器。

8.根据权利要求7所述的方法，其特征在于，还包括：在图像判别器中加入最优传输正则项，以便对所述图像判别器进行优化。

9.一种用于获取盲超分辨率图像的设备，包括：

处理器；以及

与所述处理器相连接的存储器，所述存储器中存储有计算机程序代码，当所述计算机程序代码被所述处理器执行时，使得所述设备执行如权利要求1-8中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有用于获取盲超分辨率图像的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如权利要求1-8中任意一项所述的方法。