[发明专利]基于数据增强的改进型卷积网络的图像超分辨率重建方法

摘要

本发明公开一种基于数据增强的改进型卷积网络的图像超分辨率重建方法，包括数据增强和网络结构改进的步骤。一方面采用多角度旋转和翻转样本集的方式增加了样本的多样性，因此可以获得多角度背景的特征实现特征的旋转不变性；充分的特征信息有利于提高图像的重建精度。另一方面本方法的网络模型利用深层卷积神经网络提取特征，多层的卷积层有利于提取更高级，更加完整的特征，然后用反卷积层作为重建层对卷积层输出的特征映射进行处理，恢复图像分辨率，从而得到超分辨率图像。由于卷积层缺乏旋转不变性的特性，本方法另外样本的多样性达到增加参数的目的，从而更好的拟合网络最终实现提高重建精度，并加快网络训练的收敛速度的效果。

主权项

基于数据增强的改进型卷积网络的图像超分辨率重建方法，其特征在于，包括以下步骤：（1）数据增强：对样本集的91张图像分别进行旋转90°、180°、270°、翻转0°、90°、180°、270°七种操作，然后以步伐r=14，有重叠的裁剪得到168000个fsub×fsub子图像作为原始HR图像，其中fsub=33；然后再对原始图像进行高斯模糊下采样得到输入数据集{Yi}；（2）网络结构改进：构造一个四层网络模型，网络前三层由卷积层构成，用于提取图像特征信息作为特征提取层；最后一层为反卷积层作为重建层，将卷积层获得的特征信息用于重建，从而得到高分辨率图像。