[发明专利]一种基于残差引导策略的图像插值模型训练方法

说明书

本申请公开了一种基于残差引导策略的图像插值模型训练方法、基于残差引导策略的图像插值方法、计算机设备及可读存储介质。基于随机森林层级结构的特点，利用残差引导策略来构建并训练图像插值模型。使用预插值图像作为特征数据并使用残差作为标签数据对随机森林进行训练，训练过程中随机森林按层同步生长，初始残差是高分辨率图像与预插值图像的差值，往后的残差则是上一级残差与估计残差的差值，由于残差能够在迭代中更新，每一级的估计残差均是对前一级残差的优化，随着训练层级的增加，图像残差收敛于零，最终得到各层级映射关系均确定的图像插值模型，利用其对低分辨率图像进行插值，能够取得很好的插值效果。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于残差引导策略的图像插值模型训练方法、基于残差引导策略的图像插值方法、计算机设备及可读存储介质。

背景技术

图像采集设备由于在硬件设计和造价方面的限制，所获取的数字图像中的一些感兴趣区域的分辨率可能较低。图像插值是将低分辨率图像复原成高分辨率图像且尽可能保持原低分辨率图像的细节和结构的方法。

尽管传统的双线性和双三次插值(Bicubic)方法能够实现图像插值，但是其插值结果在图像边缘处将出现明显的人工痕迹，并且有较多的含噪声和模糊的区域。为了提高插值表现，需要考虑更多的先验信息，比如有基于边缘引导的插值方法，也有基于局部或非局部的像素或图像块的图像插值方法。然而，根据对比标准图像和各种方法插值结果做差的残差图像分析可知，近些年提出的插值方法在平滑区域有较好的插值结果，但在边缘区域插值结果不佳。

综上，当前的图像插值方法的效果不理想，如何提升图像插值效果，是亟待本领域技术人员解决的问题。

发明内容

本申请的目的是提供一种基于残差引导策略的图像插值模型训练方法、基于残差引导策略的图像插值方法、计算机设备及可读存储介质，用以解决当前的图像插值方案的插值效果不理想的问题。其具体方案如下：

第一方面，本申请提供了一种基于残差引导策略的图像插值模型训练方法，包括：

获取高分辨率图像；对所述高分辨率图像进行降采样，得到低分辨率图像；根据所述低分辨率图像，生成预插值图像；

对所述高分辨率图像和所述预插值图像做差，得到初始残差；

利用所述预插值图像和所述初始残差对随机森林进行训练；在训练过程中，所述随机森林按层同步生长，所述初始残差作为第一层级残差，在所述随机森林的任意层级，学习所述预插值图像与当前层级残差之间的映射关系进而生成估计残差，对所述当前层级残差与所述估计残差做差，得到下一层级残差；

在达到训练终止条件时，输出各层级映射关系均确定的随机森林，以作为图像插值模型。

可选的，所述随机森林被划分为多组随机森林，所述利用所述预插值图像和所述初始残差对随机森林进行训练，包括：

生成所述预插值图像的特征向量；

按照不动点分布模式，对所述特征向量进行分组，其中所述特征向量的分组数量等于所述随机森林的分组数量；

在训练所述随机森林时，每组所述特征向量和所述初始残差中相应的残差向量训练一组随机森林。

可选的，所述生成所述预插值图像的特征向量，包括：

利用一维的一阶梯度算子和二阶梯度算子对所述预插值图像进行滤波，生成对应的四幅特征图像；对所述四幅特征图像进行采样，得到每个采样位置的特征向量。

可选的，所述四幅特征图像的采样方式具体为：以步长为1间隔地进行采样；

相应的，所述不动点分布模式有4种，所述特征向量的分组数量和所述随机森林的分组数量均为4。