[发明专利]基于卷积神经网络的深度图像超分辨方法

摘要

本发明公开了一种基于卷积神经网络的深度图像超分辨方法，主要解决现有技术超分辨的高分辨深度图像精度不高和图像边缘容易模糊的问题。其技术方案包括1)获取低分辨深度图像集和对应的彩色图像与高分辨深度图像作为神经网络的训练样本；2)构建卷积神经网络模型并利用训练样本训练卷积神经网络的参数；3)将任给的一幅深度图像和对应的彩色图像作为测试样本，输入到训练好的卷积神经网络模型中，卷积神经网络的输出结果即为超分辨的高分辨深度图像。本发明提高了超分辨深度图像的精度，减弱了图像边缘的模糊，可用于机器人导航，人机交互等应用领域的深度图像超分辨。

主权项

基于卷积神经网络的深度图像超分辨方法，包括：(1)获取训练样本集，对获取的训练样本进行预处理，得到训练样本对；(2)构建卷积神经网络模型，本发明的卷积神经网络模型包括输入层、多个卷积层和输出层，确定网络结构中卷积层的层数以及卷积层中的滤波器的个数和滤波器的大小网络的激活函数采用relu函数，relu(x)＝max(0,x)；(3)训练(2)中卷积神经网络网络：初始化网络各层的滤波器的权值和偏置，采用最小化损失函数的方式对卷积神经网络模型进行迭代优化，经过多次迭代后获取网络模型结构中各权重值W和偏置值b的最优解，得到最优卷积神经网络模型；(4)利用训练好的卷积神经网络模型，对低分辨深度图像进行超分辨。