[发明专利]一种基于扩散模型的单帧图像超分辨处理方法

权利要求书

1.一种基于扩散模型的单帧图像超分辨处理方法，其特征在于：该方法包括以下步骤：

1)建立超分辨扩散模型的扩散过程和条件噪声预测器ε_θ；

2)将高低分辨图像数据集输入到超分辨扩散模型的条件噪声预测器ε_θ，其中I_H为高分辨图像，I_L为其对应的低分辨图像，k表示高低分辨图像对的序号，K为高低分辨图像数据集P中高低分辨图像对的总数；利用超分辨扩散模型的扩散过程对条件噪声预测器ε_θ进行训练，获得预训练后的条件噪声预测器ε_θ；

3)待处理的低分辨图像输入到超分辨扩散模型的逆过程中，获得残差预测图像

4)残差预测图像与经过上采样操作的低分辨图像up(I_L)相加，得到预测的超分辨图像，其中up()为上采样操作，I_L为原始待处理的低分辨图像；

所述的条件噪声预测器ε_θ主要由低分编码器和噪声预测器组成：

(1)低分辨图像I_L输入到低分编码器，经过编码获得低分辨图像信息I_e；

(2)噪声预测器主要由一个第一卷积模块、连续的四个收缩路径、一个中心模块、连续的四个扩张路径、一个第二卷积模块依次连接构成；

每个收缩路径主要由连续的两个残差模块和一个下采样层依次连接组成；中心模块由连续的两个残差模块组成；每个扩张路径主要由连续的两个残差模块和一个上采样层依次连接组成，每个残差模块主要由连续的两个卷积模块组成，残差模块中第一个卷积模块的输出和当前第t步扩散步的时间特征矩阵t_e相加后再输入到第二个卷积模块中，残差模块的输入经连续两个卷积模块处理后的结果再与自身进行相加后输出作为残差模块的输出；收缩路径、扩张路径、中心模块的残差模块中的卷积模块以及第一卷积模块、第二卷积模块结构均相同，均由一个二维卷积层和Mish激活层依次连接组成；

条件噪声预测器ε_θ的输入为残差预测图像残差预测图像首先进入第一卷积模块，第一卷积模块的输出和低分编码器输出的低分辨图像信息I_e进行相加后再输入到第一个收缩路径中，第一个收缩路径的输出和第三个扩张路径的输出相加后再输入到第四个扩张路径，第二个收缩路径的输出和第二个扩张路径的输出相加后再输入到第三个扩张路径，第三个收缩路径的输出和第一个扩张路径的输出相加后再输入到第二个扩张路径，第四个收缩路径的输出和中心模块的输出相加后再输入到第一个扩张路径；条件噪声预测器的输出为预测的每一步扩散步添加的噪声

2.根据权利要求1所述的一种基于扩散模型的单帧图像超分辨处理方法，其特征在于：所述的超分辨扩散模型的扩散过程为：将经过上采样操作的低分辨图像up(I_L)与高分辨图像I_H之间的残差图I₀作为输入，残差图I₀经过连续依次进行的T步扩散步被添加高斯噪声，T＝1,2,3…，各扩散步添加不同的高斯噪声，输出含有噪声的残差图I_t，t＝1,2,…,T，经T步扩散步后，残差图I₀变为噪声图像I_T。