[发明专利]一种基于元迁移学习的自适应超分辨率方法

权利要求书

1.一种基于元迁移学习的自适应超分辨率方法，其特征在于：包括以下步骤：

步骤1、通过外部图像数据集对基于元迁移学习的自适应超分辨率模型进行预训练，使所述模型能够学习到图像重建的先验信息；

步骤2、通过随机高斯采样的方法对外部图像数据集中的图像进行随机参数的下采样，使得元迁移学习过程中的训练数据包含了多任务的信息；

步骤3、对待重建的目标低分辨率图像进行下采样得到低分辨率子图像，以(低分辨率图像，低分辨率子图像)作为训练数据来训练所述基于元迁移学习的自适应超分辨率模型，训练完成之后，所述基于元迁移学习的自适应超分辨率模型能将从训练数据集上学习到的从低分辨率图像到高分辨率图像中的映射关系应用到目标任务集上，从而将高分辨率图像生成为超分辨率图像；

步骤4、依靠孪生神经网络与所述基于元迁移学习的自适应超分辨率模型进行对抗训练，通过比较低分辨率图像和低分辨率子图像之间的差异性对所述基于元迁移学习的自适应超分辨率模型的参数进行调整，进而完成对所述基于元迁移学习的自适应超分辨率模型的训练；

步骤5、当基于元迁移学习的自适应超分辨率模型训练完成之后，将所述基于元迁移学习的自适应超分辨率模型运用在目标图像上重建生成超分辨率图像。

2.根据权利要求1所述的基于元迁移学习的自适应超分辨率方法，其特征在于：在所述步骤1中，对于预训练过程，外部图像数据集的预处理采用双三次插值构造图像对，并根据如下的损失函数更新所述基于元迁移学习的自适应超分辨率模型：其中L^D(θ)代表损失函数，表示高分辨率图像与双三次插值低分辨率图像之间距离的均方差，I_HR表示高分辨率图像，f代表映射函数，代表双三次插值低分辨率图像。

3.根据权利要求2所述的基于元迁移学习的自适应超分辨率方法，其特征在于：在所述步骤2中，元迁移学习过程具体包括以下步骤：

步骤2-1、对超分辨率任务进行划分；

步骤2-2、重新对外部图像数据集进行预处理，使得每个外部图像生成多个(低分辨率图像，低分辨率子图像)图像对；

步骤2-3、分别针对任务级别和元学习级别的损失进行参数更新。

4.根据权利要求3所述的基于元迁移学习的自适应超分辨率方法，其特征在于：在所述步骤2-1中，对于一个图像退化的过程，将退化模型简化为如下形式：其中I_HR表示高分辨率图像，I_LR表示低分辨率图像，k表示模糊核，*表示卷积操作，↓_s表示倍率为s的降采样过程，n表示加性噪声，k，↓_s，n的不同组合对应的退化模型产生的低分辨率图像分别对应于不同的图像超分辨率任务。

5.根据权利要求3所述的基于元迁移学习的自适应超分辨率方法，其特征在于：在所述步骤2-3中，对于任务级别的参数更新形式如下：其中θ_i，θ表示模型权重，α表示任务级别的学习率，表示梯度运算，表示任务级别训练数据集损失函数；元学习级别的参数更新形式如下：其中θ_j，θ表示模型权重，β表示的是元学习率，表示梯度运算，T_i～p(T)表示服从p分布，表示元学习级别测试集损失函数。