[发明专利]视觉目标图像分辨率增强的方法、系统、装置及存储介质

权利要求书

1.一种视觉目标图像分辨率增强的方法，其特征在于，包括：

采用预先训练好的人脸图像超分辨率模型对待处理的低分辨率人脸图像以及其对应的人脸属性进行处理，输出高分辨率人脸图像；其中，所述人脸图像超分辨率模型的训练方法，包括：

采集训练样本，所述训练样本含高分辨率人脸图像样本、低分辨率人脸图像样本以及其对应的预设数量人脸属性样本；

根据所述训练样本，基于预设损失函数和高分辨率人脸图像样本建立人脸图像超分辨率模型。

2.根据权利要求1所述的视觉目标图像分辨率增强的方法，其特征在于，所述采集训练样本，所述训练样本含高分辨率人脸图像样本、低分辨率人脸图像样本以及其对应的预设数量人脸属性样本，包括：

采集高分辨率人脸图像样本，采用人脸图像数据集CelebA得到高分辨率人脸图像样本并备份；

采用图像缩放算法对所述高分辨率人脸图像样本进行下采样，生成低分辨率人脸图像样本；

采用人脸图像数据集CelebA中的有助于人脸图像超分辨率的属性，作为对应的人脸属性样本，选取其中预设数量人脸属性样本。

3.根据权利要求2所述的视觉目标图像分辨率增强的方法，其特征在于，所述根据所述训练样本，基于预设损失函数和高分辨率人脸图像样本建立人脸图像超分辨率模型，包括：

获取低分辨率人脸图像样本和对应的预设数量人脸属性样本；

基于卷积神经网络对所述低分辨率人脸图像提取浅层特征，生成低分辨率人脸图像特征；

结合自动编码器，对所述低分辨率人脸图像特征通过编码压缩和解码还原的操作来获取人脸图像的结构特征；

采用双重残差密集连接网络对所述人脸图像的结构特征与所述对应的预设数量人脸属性的串联进行提取深层特征；

采用像素重排上采样将特征尺度扩大，重建高分辨率人脸图像；

基于预设损失函数对重建后的高分辨率人脸图像与备份的高分辨率人脸图像样本反向收敛，建立人脸图像超分辨率模型。

4.根据权利要求3所述的视觉目标图像分辨率增强的方法，其特征在于，所述结合自动编码器，对所述低分辨率人脸图像特征通过编码压缩和解码还原的操作来获取人脸图像的结构特征，包括：

编码器使用最大池化的操作下采样，使用2个卷积核大小为3的卷积层扩张或压缩特征通道数；

解码器使用反卷积进行上采样，使用2个卷积核大小为3的卷积层扩张或压缩特征通道数。

5.根据权利要求3所述的视觉目标图像分辨率增强的方法，其特征在于，所述采用双重残差密集连接网络对所述人脸图像的结构特征与所述对应的预设数量人脸属性的串联进行提取深层特征，包括：

对预设数量人脸属性变量输入的特征图进行尺寸变换；

将所述人脸图像的结构特征与人脸属性变量在通道维度串联起来；

将串联起来的特征图通过卷积核大小为3的卷积层进行通道数压缩；

将压缩通道数后的所述特征通过双重残差密集连接网络，提取深层特征。

6.根据权利要求3所述的视觉目标图像分辨率增强的方法，其特征在于，所述采用像素重排上采样将特征尺度扩大，重建高分辨率人脸图像，包括：

基于像素重排，通过一层卷积操作，将通道数扩大为原来的4倍，然后利用通道特定位置重排之后，获得特征尺度扩大2倍而通道数降为与输入一致的结果；其中，在模型的实现当中，针对×4放大系数模型，级联两个像素重排上采样模块以获取4倍放大的输出特征；

采用2个卷积核大小为3的卷积层，重建出高分辨率人脸图像。

7.根据权利要求1所述的视觉目标图像分辨率增强的方法，其特征在于，所述采用预先训练好的人脸图像超分辨率模型对待处理的低分辨率人脸图像以及其对应的人脸属性进行处理，输出高分辨率人脸图像，包括：

将低分辨率人脸图像输入人脸结构特征提取模型，得到人脸结构特征；

将所述人脸结构特征与人脸属性变量进行串联，输入后续人脸图像超分辨率模型，输出高分辨率人脸图像。