[发明专利]基于反卷积稠密连接的图像超分辨率重构方法

摘要

本发明属于图像处理技术领域，为加快网络训练速度，并通过特征的拼接与残差连接，将特征传递到深层，保留特征的多样性，最终实现图像超分辨率重构。本发明采取的技术方案是，基于反卷积稠密连接的图像超分辨率重构方法，步骤如下：(1)特征提取：特征提取层由一层卷积层和一层激励层组成，用于从低分辨率图像中提取特征；(2)非线性映射：非线性映射阶段由多个反卷积稠密模块连接组成；(3)重建：重建过程是由一个卷积层和一个激励层组成，公式为：IHR＝frec(F1)+ILR，F1表示非线性映射的输出。本发明主要应用于图像处理场合。

主权项

1.一种基于反卷积稠密连接的图像超分辨率重构方法，其特征是，步骤如下：(1)特征提取特征提取层由一层卷积层和一层激励层组成，用于从低分辨率图像中提取特征，提取后的特征作为非线性映射的输入，公式为：F₀＝f_ext(I^LR)式中，F₀为特征提取层的输出，f_ext表示特征提取，I^LR为低分辨率图像；(2)非线性映射非线性映射阶段由多个反卷积稠密模块连接组成，为了防止信息在网络训练中的丢失和梯度消失的问题，将特征提取后的特征并行输入到多个反卷积稠密块，公式为：B_n＝H(B_n‑1)＝[G(B_n‑1),F₀]式中，G为反卷积稠密模块，H表示与F₀结合后的稠密模块，[G(B_n‑1),F₀]表示对特征的拼接，B_n‑1为反卷积稠密块的输入，B_n为反卷积稠密块的输出；(3)重建由于高分辨率图像与低分辨率图像之间具有相同的低频信息，为了减少网络的冗余，在重建部分引入全局残差，使网络只学习低分辨率图像与高分辨率图像之间的残差信息，重建过程是由一个卷积层和一个激励层组成，公式为：I^HR＝f_rec(F₁)+I^LR式中，f_rec表示重建，I^HR为重建的高分辨率图像，F₁表示非线性映射的输出。