[发明专利]基于K均值驱动卷积神经网络的分布式图像超分辨方法

摘要

本发明提供了一种基于K均值驱动卷积神经网络的分布式图像超分辨方法，该方法包括：按位置裁剪待超分辨的低分辨率图像，得到多个低分辨率小图像块；提取多个低分辨率小图像块的内容结构特征；根据内容结构特征、利用训练模型的K个聚类中心对多个低分辨率小图像块进行分类；对多个低分辨率小图像块进行上采样，得到高分辨率无细节小图像块；将低分辨率小图像块对应的高分辨率无细节小图像块输入到其所属聚类中心对应的卷积神经网络模型中，得到该模型的输出，通过将该输出与高分辨率无细节小图像相加得到高分辨率小图像块；将多个高分辨率小图像块按位置拼接，得到最终的高分辨率图像。本发明的分布式图像超分辨方法的超分辨效果较高。

主权项

1.基于K均值驱动卷积神经网络的分布式图像超分辨方法，其特征在于，所述分布式图像超分辨方法包括：按位置裁剪待超分辨的低分辨率图像，以得到所述低分辨率图像对应的多个低分辨率小图像块；提取所述多个低分辨率小图像块各自的内容结构特征；根据所述多个低分辨率小图像块各自的内容结构特征、利用训练模型的K个聚类中心对所述多个低分辨率小图像块进行分类，分别得到所述多个低分辨率小图像块各自所属的聚类中心，其中，所述训练模型包括K个聚类中心，以及每个聚类中心对应的卷积神经网络模型，其中K为正整数；对所述多个低分辨率小图像块进行上采样处理，以得到其中每个低分辨率小图像块对应的高分辨率无细节小图像块；针对所述多个低分辨率小图像块中的每一个，将该低分辨率小图像块对应的高分辨率无细节小图像块输入到该低分辨率小图像块所属聚类中心对应的卷积神经网络模型中，得到该卷积神经网络模型的输出结果，通过将该输出结果与该低分辨率小图像块对应的高分辨率无细节小图像相加而得到该低分辨率小图像块对应的高分辨率小图像块；将所述多个低分辨率小图像块各自对应的高分辨率小图像块按其在所述低分辨率图像中的位置关系进行拼接处理，以得到所述低分辨率图像对应的高分辨率图像。