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: 2020100326228
申请人: 杭州电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-04-11
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:

1.一种进行运动模糊超分辨的多分支网络系统,其特征在于,包括图像输入模块、去模糊模块、SR特征提取模块、融合模块、重建模块和图像输出模块,所述去模糊模块、融合模块、重建模块和图像输出模块依次相连,所述SR特征提取模块与去模糊模块并联的同时和图像输入模块、融合模块相连,所述去模糊模块包括高频去模糊模块和低频去模糊模块,所述去模糊模块的训练集包括模糊低分辨图像LRB、清晰低分辨图像的高频部分LRSH和清晰低分辨图像的低频部分LRSL,上下两个分支均使用对偶生成对抗网络结构,生成器使用pix2pix的U‑Net结构,配置有相等数量的下采样和上采样层,在镜像的下采样层和上采样层之间设有跳过连接成为U形网络;所述高频信息部分LRSH和低频信息部分LRSL由低分辨率清晰图像LRS通过滤波器分别提取生成,形成三对数据集,低分辨率模糊图像LRB和低分辨率清晰图像的高频信息部分LRSH,低分辨率模糊图像LRB和低分辨率清晰图像的低频信息部分LRSL,低分辨率模糊图像LRB和高分辨率清晰图像HRS。

2.根据权利要求1所述的一种进行运动模糊超分辨的多分支网络系统,其特征在于,所述SR特征提取模块的生成器部分包括八个ResBlocks。

3.根据权利要求1所述的一种进行运动模糊超分辨的多分支网络系统,其特征在于,所述融合模块包括两个卷积层,其滤波器大小分别为3×3和1×1。

4.根据权利要求1所述的一种进行运动模糊超分辨的多分支网络系统,其特征在于,所述重建模块包括八个ResBlock、一个像素改组层和两个最终的卷积层,所述融合模块与八个ResBlock和一个像素改组层相连。

5.一种进行运动模糊超分辨的多分支网络系统的运行方法,采用权利要求1至4任意一项所述的系统,其特征在于,包括以下步骤:(1)获取图像并对图像进行处理;

(2)建立数据集;

(3)构建网络结构;

(4)计算并输出处理结果。

6.根据权利要求5所述的一种进行运动模糊超分辨的多分支网络系统的运行方法,其特征在于,所述步骤1获取图像为高分辨率清晰图像HRS。

7.根据权利要求6所述的一种进行运动模糊超分辨的多分支网络系统的运行方法,其特征在于,所述步骤1处理方法为先对高分辨率清晰图像HRS进行2倍降采样,得到低分辨率清晰图像LRS,对低分辨率清晰图像LRS再进行模糊处理,固定模糊角度为0°,前10张模糊尺度设为5,后面每隔10张模糊尺度加1,最终得到模糊尺度不相同的低分辨率模糊图像LRB。

8.根据权利要求5所述的一种进行运动模糊超分辨的多分支网络系统的运行方法,其特征在于,所述步骤4通过计算确定损失函数,分支均使用GAN网络,去模糊模块两个分支的生成对抗网络的损失函数分别为:其中,X表示输入的低分辨率模糊图像LRB,Y1表示低分辨率清晰图像的高频信息部分LRSH,Y2表示低分辨率清晰图像的低频信息部分LRSL,GH(X)表示输入模糊图通过高频分支生成的图像,DH表示高频分支判别器,GL(X)表示输入模糊图通过低频分支生成的图像,DL表示低频分支判别器,超分辨分支的损失函数为:其中Y表示高分辨清晰图像HRS,GSR(X)表示输入模糊图通过超分辨分支生成的图像,DSR表示超分辨分支判别器,通过共同优化超分辨率损失和去模糊损失训练网络:min[SRloss+αHloss+βLloss]

其中α和β是权衡三个损失项的权重,根据经验将α=0.3,β=0.3。