[发明专利]超分辨率图像重建方法、装置、设备及存储介质在审

专利信息
申请号: 202111058591.4 申请日: 2021-09-08
公开(公告)号: CN113763248A 公开(公告)日: 2021-12-07
发明(设计)人: 汪飙;侯鑫;邹冲;朱超杰;李世行;吴海山;殷磊 申请(专利权)人: 深圳前海微众银行股份有限公司
主分类号: G06T3/40 分类号: G06T3/40;G06T5/50
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 张志江
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 分辨率 图像 重建 方法 装置 设备 存储 介质
【权利要求书】:

1.一种超分辨率图像重建方法,其特征在于,应用于超分辨率图像重建装置,所述超分辨率图像重建方法包括:

获取待处理低分辨率图层,将所述待处理低分辨率图层输入至预设超分图像重建模型中;

基于所述预设超分图像重建模型对所述待处理低分辨率图层进行逐像素的超分映射处理,得到所述待处理低分辨率图层对应的高分辨率图像;

其中,所述预设超分图像重建模型是基于无监督的高分辨率可见光图像和相应低分辨率图层构成的训练数据,对预设待训练模型进行迭代训练后得到的。

2.如权利要求1所述的超分辨率图像重建方法,其特征在于,所述基于所述预设超分图像重建模型对所述待处理低分辨率图层进行逐像素的超分映射处理,得到所述待处理低分辨率图层相应的高分辨率图像的步骤之前,所述方法包括:

获取无监督的高分辨率可见光图像和相应低分辨率图层构成的训练数据;

基于所述训练数据对预设待训练模型进行迭代训练,判断迭代训练后的所述预设待训练模型是否满足预设训练完成条件;

若满足预设训练完成条件,将迭代训练后得到的目标模型设置为所述预设超分图像重建模型。

3.如权利要求2所述的超分辨率图像重建方法,其特征在于,所述基于所述训练数据对预设待训练模型进行迭代训练,判断迭代训练后的所述预设待训练模型是否满足预设训练完成条件的步骤,包括:

基于所述训练数据,确定所述预设待训练模型的输入矩阵和标签矩阵;

基于所述输入矩阵和标签矩阵对预设待训练模型进行迭代训练,判断迭代训练后的所述预设待训练模型是否满足预设训练完成条件。

4.如权利要求1-3任一项所述的超分辨率图像重建方法,其特征在于,所述基于所述训练数据,确定所述预设待训练模型的输入矩阵和标签矩阵的步骤,包括:

确定所述高分辨率可见光图像的第一高度和第一宽度,并确定所述相应低分辨率图层的第二高度和第二宽度,其中,所述第一高度大于所述第二高度,所述第一宽度大于所述第二宽度;

基于所述第一高度、第一宽度、第二高度和第二宽度,确定所述高分辨率可见光图像和所述相应低分辨率图层的高度比例系数以及宽度比例系数;

确定所述高分辨率可见光图像在相应预设通道上的图像坐标,并获取所述高分辨率可见光图像的位置坐标;

基于所述图像坐标和所述位置坐标,拼接得到所述高分辨率可见光图像的高分矩阵信息;

基于所述高度比例系数以及宽度比例系数,将所述高分横纵坐标数据按元素逐个进行预设映射,得到输入矩阵;

将所述相应低分辨率图层按元素逐个进行预设映射,得到标签矩阵。

5.如权利要求4所述的超分辨率图像重建方法,其特征在于,所述基于所述输入矩阵和标签矩阵对预设待训练模型进行迭代训练,判断迭代训练后的所述预设待训练模型是否满足预设训练完成条件的步骤,包括:

基于所述输入矩阵中的图像矩阵对预设待训练模型进行第一卷积训练,得到第一训练矩阵;

基于所述输入矩阵中的坐标矩阵对预设待训练模型进行第二卷积训练,得到第二训练矩阵;

基于所述第一训练矩阵和所述第二训练矩阵,得到合并矩阵;

基于所述合并矩阵和所述标签矩阵,判断训练后的所述预设待训练模型是否满足预设训练完成条件;

若训练后的所述预设待训练模型未满足预设训练完成条件,返回所述基于所述输入矩阵中的图像矩阵对预设待训练模型进行第一卷积训练的步骤,直至所述训练后的所述预设待训练模型满足预设训练完成条件。

6.如权利要求1所述的超分辨率图像重建方法,其特征在于,所述基于所述预设超分图像重建模型对所述待处理低分辨率图层进行逐像素的超分映射处理,得到所述待处理低分辨率图层对应的高分辨率图像的步骤之后,所述方法包括:

融合所述低分辨率图层和所述高分辨率图像,得到融合图像;

输出所述融合图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司,未经深圳前海微众银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111058591.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top