[发明专利]一种基于生成对抗网络的图像超分辨率重建方法

权利要求书

1.一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，包括以下步骤；

第一步，建立图像数据库，所述的图像数据库中包括多个高分辨率-低分辨率图像对，高分辨率-低分辨率图像对中包括原始高分辨率图像和对原始高分辨率图像进行下采样得到的原始低分辨率图像，将图像数据库中的高分辨率-低分辨图像对划分为训练集、验证集和测试集；

第二步，构建生成对抗网络，所述的生成对抗网络包括生成网络、判别网络和损失计算模块；

第三步，将训练集中的高分辨率-低分辨率图像对输入到生成对抗网络来进行迭代训练，当训练生成网络模块时，固定判别模块的参数进行训练，当训练判别模块时，固定生成网络模块的参数进行训练，通过验证集进行验证，最终得到训练好的生成对抗网络；

第四步，将测试集中的原始低分辨率图像输入到训练好的生成对抗网络，输出重建后的高分辨率图像。

2.根据权利要求1所述的一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，所述第一步中，将原始高分辨率图像进行下采样获得原始低分辨率图像，所述的下采样方法为双立方插值，利用图像16个像素点权重卷积之和作为新的像素值。

3.根据权利要求1所述的一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，所述第二步中生成网络模块包括依次连接的浅层特征提取网络、自注意力残差模块、特征融合单元和上采样网络。

4.根据权利要求2所述的一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，所述的浅层特征提取网络包括三个不同尺寸3x3、5x5和7x7的卷积核对输入图像进行浅层特征提取，通过三个不同尺寸的感受野对图像进行卷积，然后把卷积后的特征图和原图像送入Concatlayer层，再送入一个1x1的卷积层。

5.根据权利要求2所述的一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，所述的自注意力残差模块包括多个ARDB模块，单个ARDB模块，采用两个卷积层和一个自注意力层，卷积层后面接实例归一化层，激活函数用ParametricReLU，同时加入跳跃连接。

6.根据权利要求2所述的一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，所述的特征融合单元包括依次连接的Concat层、1x1卷积层和3x3卷积层，所述的密集特征融合单元表示为：

F_DF＝H_DFF(F₀,F₁…F₂₈)

其中，H_DFF为密集特征融合函数，F_DF为密集特征融合单元的输出，[F₁,…,F₂₈]为自注意力残差块中各ARDB模块的产生的特征图在通道上拼接起来组成的整体，F₀为浅层特征提取网络的输出结果。

7.根据权利要求2所述的一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，所述的上采样网络中两层亚像素卷积层将图像大小恢复为原来的4倍。

8.根据权利要求1所述的一种基于生成对抗网络的图像超分辨率重建方法，其特征在于，所述的损失计算模块中生成网络整体损失函数L_G的公式为：

L_G＝L_per+λL_adv

其中，LG为生成网络整体损失函数，L_per为感知损失，L_adv为对抗损失，λ为加权系数。