[发明专利]基于递归残差网络的超分辨率图像重建方法在审
| 申请号： | 201810638253.X | 申请日： | 2018-06-20 |
| 公开（公告）号： | CN108921789A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 赵丽娟;周登文;段然;柴晓亮 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06N3/04 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 102206 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种基于递归残差网络的超分辨率图像重建方法，包括：将低分辨率图像输入训练后的递归残差神经网络中，获取超分辨率重建图像，其中，递归残差神经网络包括若干个残差单元，对于任一残差单元，任一残差单元的输入信息为上一残差单元的输出信息和低分辨率输入图像的高频特征图像。本发明通过局部残差学习而非VDSR所用全局残差学习来训练神经网络，更有助于信息传输和梯度流动，将未插值的低分辨率图像作为输入，最后在网络末端使用去卷积层直接上采样到超分辨率输出图像，并通过在残差单元中引入递归结构，使得参数大大减少，降低了递归残差神经网络的计算复杂度。 | ||
| 搜索关键词： | 残差 递归 神经网络 超分辨率图像重建 低分辨率图像 超分辨率重建图像 训练神经网络 计算复杂度 超分辨率 低分辨率 递归结构 高频特征 输出图像 输出信息 输入图像 输入信息 网络末端 信息传输 去卷积 上采样 网络 图像 学习 引入 流动 全局 | ||
【主权项】：
1.一种超分辨率图像重建方法，其特征在于，包括：将低分辨率输入图像作为训练后的递归残差神经网络的输入，获取超分辨率重建图像，其中，所述递归残差神经网络包括若干个残差单元，对于任一残差单元，所述任一残差单元的输入信息为所述任一残差单元的上一残差单元的输出信息和所述低分辨率输入图像的高频特征图像，所述任一残差单元包括若干个卷积层和若干个激活函数层。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华北电力大学，未经华北电力大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810638253.X/，转载请声明来源钻瓜专利网。
