[发明专利]图像下采样方法和图像下采样系统

说明书

本申请涉及一种图像下采样方法和图像下采样系统，其中，该图像下采样方法包括：接收图像下采样指令，根据所述图像下采样指令获取原始图像，对所述原始图像进行下采样得到初始下采样图像；将所述初始下采样图像输入至训练完备的生成器网络模型，得到包括待测纹理信息的目标下采样图像；其中，所述生成器网络模型是对获取到的待训练图像的待训练纹理信息进行训练生成的。通过本申请，解决了相关技术中图像下采样方法得到的图像通常不能充分反映客观世界中物体的真实纹理轮廓和特征的问题，实现了提高下采样图像对真实物体轮廓和特征的反映。

技术领域

本申请涉及图像处理领域，特别是涉及图像下采样方法和图像下采样系统。

背景技术

图像下采样是一个经典的计算机视觉任务，它为图像超分辨率、缩略图、图像降质等应用奠定了基础。对于输入尺寸为M×N的高分辨率图像，进行S倍的下采样后，将得到输出尺寸为(M/S)×(N/S)的低分辨率图像。在图像超分辨率重建中，需要高分辨率图像和低分辨率图像构成训练图像对，从而根据训练图像对训练图像超分辨率重建模型。

相关技术中，低分辨率图像通常由高分辨率图像直接通过双三次插值等基于插值的下采样方法得到，但是基于差值的图像下采样方法是采用计算RGB插值的方法得到下采样的图像的，因此通常不能充分反映客观世界中物体的真实纹理轮廓和特征。

针对相关技术中存在图像下采样方法得到的图像通常不能充分反映客观世界中物体的真实纹理轮廓和特征的问题，目前还没有提出有效的解决方案。

发明内容

在本实施例中提供了一种图像下采样方法和图像下采样系统，以解决相关技术中图像下采样方法得到的图像通常不能充分反映客观世界中物体的真实纹理轮廓和特征的问题。

第一个方面，在本实施例中提供了一种图像下采样方法，包括：

接收图像下采样指令，根据所述图像下采样指令获取原始图像，对所述原始图像进行下采样得到初始下采样图像；

将所述初始下采样图像输入至训练完备的生成器网络模型，得到包括待测纹理信息的目标下采样图像；其中，所述生成器网络模型是对获取到的待训练图像的待训练纹理信息进行训练生成的。

在其中的一些实施例中，所述生成器网络模型包括第一标准卷积模型、残差块和第二标准卷积模型；所述将所述初始下采样图像输入至训练完备的生成器网络模型，得到包括待测纹理信息的目标下采样图像，包括：

将所述初始下采样图像输入至所述第一标准卷积模型，扩展所述初始下采样图像的特征通道，得到多通道特征图；

将所述多通道特征图输入至所述残差块提取深度特征，得到第一深度特征图；

将所述第一深度特征图输入至所述第二标准卷积模型，对所述第一深度特征图进行降维，得到所述目标下采样图像。

在其中的一些实施例中，所述残差块包括：第一深度卷积模型、第三标准卷积模型和跳转连接块；所述将所述多通道特征图输入至所述残差块提取深度特征，得到第一深度特征图，包括：

将所述多通道特征图依次输入至所述第一深度卷积模型和所述第三标准卷积模型，得到初始特征图像；

将所述初始特征图像和所述多通道特征图输入至所述跳转连接块，对所述初始特征图像和所述多通道特征图的深度特征进行残差学习，输出得到所述第一深度特征图。

在其中的一些实施例中，在所述接收图像下采样指令之前，还包括：

获取待训练图像，对所述待训练图像进行下采样得到初始训练图像；

将所述初始训练图像输入至待训练生成器网络模型得到生成器输出图像，以生成所述生成器网络模型。

在其中的一些实施例中，所述生成所述生成器网络模型包括：