[发明专利]一种基于小波系数学习的图像超分辨率重建方法

摘要

本发明公开了一种基于小波系数学习的图像超分辨率重建方法，属于图像超分辨率领域。本发明先选取图像训练集和测试集；对低分辨率图像进行二维平稳小波变换，对高分辨率图像进行二维小波包变换，分别得到LR图像和HR图像的小波系数；步骤三、构建深度神经网络；步骤四、利用深度神经网络对LR图像小波系数的深度网络特征进行提取，并得到HR图像小波残差系数；步骤五、将得到的HR图像小波残差系数还原为HR的小波系数，并进行二维小波包反变换得到最终的高分辨率图像。与现有技术相比，本发明通过使用大量的外部训练集训练一个深度超分辨率模型，能在极短时间内对图像进行超分辨率重建，重建结果明显优于大部分算法。

主权项

1.一种基于小波系数学习的图像超分辨率重建方法，其特征在于：包括以下步骤：(1)对训练集中的高分辨率图像进行双三次插值下采样得到对应的低分辨率图像，并随机截取一定尺寸的图像块生成高分辨率图像块Y_HR及其对应的低分辨率图像块Y_LR；(2)对高分辨率图像块Y_HR使用二维小波包变换得到高分辨率图像块小波系数SB_HR，低分辨率图像块Y_LR使用二维平稳小波变换得到低分辨率图像块小波系数SB_LR，高分辨率图像块小波系数减去堆叠后的低分辨率图像块小波系数得到高分辨率图像块小波残差系数；(3)构建深度神经网络，包含输入层、输出层和两个长跳跃链接，每个跳跃链接之间有8个残差块和一层卷积层；(4)在构建好的网络中输入低分辨率图像块小波系数SB_LR，高分辨率图像块图像小波残差系数作为训练标签，网络输出得到超分辨率图像块小波残差系数，超分辨率图像块小波残差系数加上低分辨率图像块小波系数SB_LR得到超分辨率图像块小波系数SB_SR，对超分辨率图像块小波系数SB_SR使用小波包逆变换得到对应的超分辨率图像块Y_SR；(5)分别比较超分辨率图像块小波系数SB_SR与高分辨率图像块小波系数SB_HR的损失值cost_SB、超分辨率图像块Y_SR与高分辨率图像块Y_HR的损失值cost_REC，计算损失值，根据损失值对网络进行反向传播，调整网络参数；进行多次迭代，直至训练结束，得到优化后的网络；(6)对任意待处理图像，在优化后的网络中输入其低分辨率图像小波系数，得到超分辨率图像残差系数，加上输入的低分辨率图像块小波系数再逆变换得到超分辨率图像。