[发明专利]一种图像盲超分辨率方法及系统

权利要求书

1.一种图像盲超分辨率方法，其特征在于，包括：

获取经训练的模糊核生成网络以及低分辨率图像的频谱图；

将所述频谱图输入所述经训练的模糊核生成网络，得到所述低分辨率图像对应的模糊核；

根据所述低分辨率图像对应的模糊核确定所述低分辨率图像对应的退化特征图；

将所述低分辨率图像与其对应的退化特征图进行拼接，得到拼接图；

将拼接图输入经训练的卷积神经网络，得到高分辨率图像；

其中，所述根据所述低分辨率图像对应的模糊核确定所述低分辨率图像对应的退化特征图，具体包括：

采用主成分分析法对所述低分辨率图像对应的模糊核进行降维；

采用维度拉伸策略将降维后的模糊核拉伸到与所述低分辨率图像相同大小，得到所述退化特征图；

在所述获取经训练的模糊核生成网络以及低分辨率图像的频谱图之前，还包括：

步骤1-1：根据公式1对低分辨率图像I_LR进行灰度化处理，得到灰度图I_LR-Gray，

Gray(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y) (1)

其中，R(x,y)、G(x,y)、B(x,y)分别为低分辨率图像I_LR的位置(x,y)上的红、绿、蓝三个通道的分量，Gray(x,y)为低分辨率图像I_LR的位置(x,y)的灰度值；

步骤1-2：使用二维离散傅里叶变换将灰度图I_LR-Gray从空间域转换到频率域，二维离散傅里叶变换公式如2所示：

其中，f(x,y)是大小为M×N的灰度图I_LR-Gray，u＝0,1,2,…,M-1，v＝0,1,2,…,N-1；u和v是频率变量，x和y是空间域图像变量，F(u,v)为f(x,y)的二维傅里叶变换，F(u,v)是复数，用极坐标形式来表示如公式3所示：

F(u,v)＝R(u,v)+jI(u,v) (3)

其中，R(u,v)为F(u,v)的实部，I(u,v)为F(u,v)的虚部，根据公式4得到频谱图F|u,v|，

步骤1-3：对频谱图F|u,v|进行中心化处理，将频谱图平均分为四个部分，并交换其左上部分和右下部分，以及右上部分和左下部分，使频谱图的低频部分移至频谱中心，原点也移至频谱的中心，得到F|u,v|_center；

步骤1-4：对中心化后的频谱图F|u,v|_center进行对数变换，得到低分辨率图像频谱图F_LR，其中，对数变换公式如5所示：

F_LR＝log(1+F|u,v|_center) (5)。

2.根据权利要求1所述的图像盲超分辨率方法，其特征在于，所述经训练的卷积神经网络为稠密卷积神经网络，所述稠密卷积神经网络包括依次连接的卷积层、深度网络和上采样卷积层，所述深度网络包括多个依次连接的深度转化单元，所述深度转化单元包括依次连接的深度模块和转化模块，所述深度模块通过稠密连接结构实现特征复用，所述转化模块用于对所述深度模块的输出进行特征维度的非线性变换以提取固定数量通道的特征。

3.根据权利要求1所述的图像盲超分辨率方法，其特征在于，在获取低分辨率图像的频谱图之前，还包括：

采用傅里叶变换将所述低分辨率图像从空间域转换到频率域，得到所述低分辨率图像的频谱图。

4.根据权利要求1所述的图像盲超分辨率方法，其特征在于，所述经训练的模糊核生成网络包括多层依次连接的卷积层和一层全局池化层。