欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 201910687010X
申请人: 武汉工程大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种图像超分辨率重建方法,其特征在于:包括以下步骤,

S1,将原始图像重塑为固定大小尺寸的图像,得到原始高分辨率图像,将所述原始高分辨率图像进行插值下采样,得到低分辨率图像;

S2,基于生成网络对所述低分辨率图像进行基于边缘增强的超分辨率重建,得到超分辨率图像;

S3,基于判别网络和所述原始高分辨率图像对所述超分辨率图像进行真伪判别;

当所述超分辨率图像为伪图像时,基于判别结果学习隐藏在所述生成网络中的损失函数,调整所述生成网络的隐变量参数,基于学习调整后的所述生成网络,重复执行所述S2,直至所述超分辨率图像为真图像;

当所述超分辨率图像为真图像时,结束操作。

2.根据权利要求1所述的一种图像超分辨率重建方法,其特征在于:所述S2具体包括,在所述生成网络中,S21,对所述低分辨率图像进行全局浅层特征提取和边缘浅层特征提取,得到图像全局浅层特征和图像边缘浅层特征;

S22,对所述图像全局浅层特征和所述图像边缘浅层特征分别进行残差密集学习,得到图像全局深层特征和图像边缘深层特征;

S23,对所述图像全局深层特征和所述图像边缘深层特征进行边缘增强融合,得到边缘增强的低分辨率图像特征图;

S24,对所述低分辨率图像特征图进行上采样,并通过激活函数对所述低分辨率图像特征图进行重建,得到超分辨率图像。

3.根据权利要求2所述的一种图像超分辨率重建方法,其特征在于:所述S21具体为,利用两层k3n128s1的卷积层对所述低分辨率图像进全局浅层特征提取,得到图像全局浅层特征;

利用拉普拉斯算子对所述低分辨率图像进行边缘区域提取,得到图像边缘区域;利用一层k3n128s1的卷积层对所述图像边缘区域进行边缘浅层特征提取,得到图像边缘浅层特征。

4.根据权利要求2所述的一种图像超分辨率重建方法,其特征在于:所述S22具体为,利用十六层残差卷积层分别对所述图像全局浅层特征和所述图像边缘浅层特征进行残差密集连接计算,得到所述图像全局深层特征和所述图像边缘深层特征。

5.根据权利要求2所述的一种图像超分辨率重建方法,其特征在于:所述S23具体为,利用一层k1n128s1的卷积层分别对所述图像全局深层特征和所述图像边缘深层特征进行特征降维;

利用一层k3n128s1的卷积层分别对经过特征降维后的所述图像全局深层特征和所述图像边缘深层特征进行尺度缩小;

利用Concat层对经过尺寸缩小后的所述图像全局深层特征和所述图像边缘深层特征进行通道连接;

利用一层k1n128s1的卷积层减少所述图像全局深层特征和所述图像边缘深层特征进行通道连接的通道数量,完成跨通道的交互和信息整合,得到边缘增强的低分辨率图像特征图。

6.根据权利要求2所述的一种图像超分辨率重建方法,其特征在于:所述S24具体为,利用子像素卷积对所述低分辨率图像特征图进行上采样,并通过激活函数对经过上采样后的所述低分辨率图像特征图进行重建,得到所述超分辨率图像。

7.根据权利要求1至6任一项所述的一种图像超分辨率重建方法,其特征在于:在所述S3中,判别网络对所述超分辨率图像进行真伪判别的具体过程为,将所述超分辨率图像和所述原始高分辨率图像输入至判别网络中;

利用一层k3n64s1的卷积层提取所述超分辨率图像和所述原始高分辨率图像的浅层特征,得到浅层特征图像;

利用一层k3n64s2的卷积层减小所述浅层特征图像的大小,得到小尺寸浅层特征图像;

利用4层密集连接层对所述小尺寸浅层特征图像进行密集连接计算,得到深层特征图像;

利用激活函数对所述深层特征图像进行真伪判别,得到的判别结果即为所述超分辨率图像的真伪。

8.一种图像超分辨率重建系统,其特征在于:包括预处理模块、生成网络和判别网络;

所述预处理模块用于,将原始图像重塑为固定大小尺寸的图像,得到原始高分辨率图像,将所述原始高分辨率图像进行插值下采样,得到低分辨率图像;

所述生成网络用于,对所述低分辨率图像进行基于边缘增强的超分辨率重建,得到超分辨率图像;

所述判别网络用于,利用所述原始高分辨率图像对所述超分辨率图像进行真伪判别,当所述超分辨率图像为伪图像时,基于判别结果学习隐藏在所述生成网络中的损失函数,调整所述生成网络的隐变量参数。

9.根据权利要求8所述的一种图像超分辨率重建系统,其特征在于:所述生成网络包括特征提取模块、残差密集学习模块、边缘增强融合模块和图像上采样模块;

所述特征提取模块用于,对所述低分辨率图像进行全局浅层特征提取和边缘浅层特征提取,得到图像全局浅层特征和图像边缘浅层特征;

所述残差密集学习模块用于,对所述图像全局浅层特征和所述图像边缘浅层特征分别进行残差密集学习,得到图像全局深层特征和图像边缘深层特征;

所述边缘增强融合模块用于,对所述图像全局深层特征和所述图像边缘深层特征进行边缘增强融合,得到边缘增强的低分辨率图像特征图;

所述图像上采样模块用于,对所述低分辨率图像特征图进行上采样,并通过激活函数对所述低分辨率图像特征图进行重建,得到超分辨率图像。

10.一种计算机存储介质,其特征在于,所述计算机存储介质包括:至少一个指令,在所述指令被执行时实现如权利要求1至7任一项所述的方法步骤。