[发明专利]基于概率生成模型的图像超分辨处理方法

摘要

本发明公开了一种基于概率生成模型的图像超分辨处理方法，其实现步骤为：(1)输入图像；(2)获取训练样本；(3)获取测试样本；(4)训练概率生成模型；(5)测试概率生成模型。本发明生成的高分辨图像分辨率高于一般方法，包含更多的信息，并且利用了概率生成模型的先验信息与隐变量隐含的信息，同时提高了图像超分辨的速度，是一种高效的图像超分辨处理方法。

主权项

1.一种基于概率生成模型的图像超分辨处理方法，包括如下步骤：(1)输入图像：(1a)将多幅高分辨光学图像输入到训练集中；(1b)将与训练集中不同的多幅高分辨光学图像输入到测试集中；(2)获取训练样本：(2a)对训练集中的每一幅高分辨光学图像，经下采样处理后用双三次插值法，获得与高分辨图像尺寸大小一样的低分辨图像；(2b)分别从高分辨图像与低分辨图像的相同位置处，提取同样大小的图像块，组成高分辨‑低分辨图像块对；(2c)去除高分辨‑低分辨图像块对中平滑的图像块对后，再去除高分辨‑低分辨图像块对中相似的图像块对，得到高分辨‑低分辨图像块对的训练样本；(3)获取测试样本：(3a)对测试集中的每一幅高分辨光学图像，经下采样处理后用双三次插值法，获得与高分辨图像尺寸大小一样的低分辨图像；(3b)从低分辨图像中提取低分辨图像块，图像块大小与高分辨‑低分辨图像块对训练样本中的图像块的大小相同，作为低分辨图像块的测试样本；(4)训练概率生成模型：(4a)从零均值、方差为0.01的高斯分布中随机采样，采样数和维度与概率生成模型中所有参数数目和维度相同，将随机采样的数组作为概率生成模型的初始化参数；(4b)将训练样本输入概率生成模型的推理子模型中，使多层感知机的先验分布函数为标准高斯函数；(4c)利用最大化变分下界公式，得到近似于真实后验分布函数的变分分布函数；(4d)利用批量随机梯度下降方法，将概率生成模型的所有参数迭代更新8000次后，得到更新后的概率生成模型；(5)测试概率生成模型：(5a)将测试样本输入概率生成模型中，使用更新后的概率生成模型，得到生成的高分辨图像块；(5b)按照从低分辨图像中提取低分辨图像块的位置，排列概率生成模型生成的高分辨图像块，对生成的高分辨图像块之间的重叠部分的像素值求平均值，得到重构高分辨图像；(5c)对重构高分辨图像进行优化处理，得到最终的高分辨图像。