【技术实现步骤摘要】
一种基于融合网络的图像超分辨率及去非均匀模糊方法
本专利技术属于计算机视觉与图像处理领域,特别涉及一种基于融合网络的图像超分辨率及去非均匀模糊方法。
技术介绍
图像超分辨率是计算机视觉应用中的一类基础任务。其目的是从低分辨率图像还原出高分辨率图像,并且提升图像质量和恢复出图像细节信息。它不仅可以生成令人满意的高分辨率的图像,同时也可以为类似目标检测、人脸识别等更深层次图像处理过程提供更高品质的图像源。然而,自然图像中存在着不同深度的运动物体以及运动遮挡现象,因此真实低分辨率图像中往往还存在着非均匀运动模糊现象,这些都会严重影响到超分辨算法的研究。不同于均匀运动模糊图像,非均匀运动模糊的图像由一段清晰的视频中的相邻帧融合而成,其融合过程如公式1所示:其中M表示用来生成非均匀运动模糊的连续图像帧的数量,表示相机采集的第i帧图像。g表示相机响应函数,用来表示感光元件接收亮度与采集图像像素值之间的映射关系,其近似关系入公式2所示:g(x)=x1/γ(2)在此基础上,低分辨率的非均匀运动模糊图像Lblur通过对公式1中的模糊图像Hblur通过降采样获得,如公式3所示:Lblur=D(Hblur)(3)其中D表示降采样插值算法。根据上述公式可以看出,低分辨率的非均匀运动模糊图像是由两种退化模型叠加而成,由单帧低分辨率的非均匀运动模糊图像恢复出高分辨率的清晰图像是一个高度病态问题。因此现有相关研究中,往往将图像超分辨率和图像去非均匀运动模糊当成两个独立问题进行研究。图像去非均匀运动模糊是一种从高度复杂模糊的图像还原出清晰图像的方法,非均匀运动模糊考虑了现实成像环境中存在 ...
【技术保护点】
1.一种基于融合网络的图像超分辨率及去非均匀模糊方法,其特征在于,包括以下步骤:步骤一:对原始视频进行预处理,获取图像训练数据集:将高速运动相机采集到的若干段视频,转换为多对空间位置对齐的图像块三元组{lblur,l,h},其中lblur表示低分辨率下的非均匀运动模糊图像块,作为神经网络训练的输入;l和h分别表示低分辨率的清晰图像块和高分辨率的清晰图像块,作为神经网络训练中不同分支的真值;步骤二:搭建深度神经网络:神经网络采用两个分支模块分别提取用于图像超分辨和去非均匀模糊的特征,并通过一个能够训练的特征融合模块对两个分支提取的特征进行自适应融合;最后通过一个上采样重建模块实现超分辨率及去非均匀运动模糊任务;步骤三:模型训练:利用步骤一得到的训练集图像块三元组对搭建好的神经网络进行权重更新,获得用于恢复低分辨率非均匀运动模糊图像的网络模型;步骤四:模型测试:将待处理低分辨率非均匀运动模糊图像进行预处理,并输入训练好神经网络模型得到高分辨率的清晰图像。
【技术特征摘要】
1.一种基于融合网络的图像超分辨率及去非均匀模糊方法,其特征在于,包括以下步骤:步骤一:对原始视频进行预处理,获取图像训练数据集:将高速运动相机采集到的若干段视频,转换为多对空间位置对齐的图像块三元组{lblur,l,h},其中lblur表示低分辨率下的非均匀运动模糊图像块,作为神经网络训练的输入;l和h分别表示低分辨率的清晰图像块和高分辨率的清晰图像块,作为神经网络训练中不同分支的真值;步骤二:搭建深度神经网络:神经网络采用两个分支模块分别提取用于图像超分辨和去非均匀模糊的特征,并通过一个能够训练的特征融合模块对两个分支提取的特征进行自适应融合;最后通过一个上采样重建模块实现超分辨率及去非均匀运动模糊任务;步骤三:模型训练:利用步骤一得到的训练集图像块三元组对搭建好的神经网络进行权重更新,获得用于恢复低分辨率非均匀运动模糊图像的网络模型;步骤四:模型测试:将待处理低分辨率非均匀运动模糊图像进行预处理,并输入训练好神经网络模型得到高分辨率的清晰图像。2.根据权利要求1所述的一种基于融合网络的图像超分辨率及去非均匀模糊方法,其特征在于,步骤一中图像块三元组的具体生成过程为:1)从多段现实场景视频中随机采样N帧图像,作为训练集真值图像集H;针对真值图像集中每一帧图像Hi,以该帧为中心采样包括其在内的相邻M帧图像形成图像集T,T={Hi-(M-1)/2…,Hi…,Hi+(M-1)/2},其中下标表示该图像所处帧数;并根据公式将图像集生成高分辨率模糊图像集Hblur;其中M表示用来生成非均匀运动模糊的连续图像帧的数量,Hi表示相机采集的第i帧图像,g表示相机响应函数,用来表示感光元件接收亮度与采集图像像素值之间的映射关系,其近似函数为g(x)=x1/γ;2)针对上一步中生成的N组高分辨率清晰/模糊图像对{H,Hblur},对每一组图像对以{0.5,0.7,1}三种缩放尺度进行降采样,得到3*N组高分辨率清晰/模糊图像对;针对扩展后的图像对,采用步长为S的滑动窗口方式截取大小为M*M的图像块集合;针对其中每一组高分辨率图像块对{h,hblur},采用公式L=D(H)进行降采样得到低分辨率图像块对{l,lblur},其中D表示降采样插值算法,H表示高分辨率图像,L表示降采样后得到的低分辨率图像;并最终获得步骤一所述的图像块三元组{lblur,l,h};降采样法均采用双三次插值降采样法。3.根据权利要求1所述的一种基于融合网络的图像超分辨率及去非均匀模糊方法,其特征在于,步骤二中,用来提取去模...
【专利技术属性】
技术研发人员:王飞,张昕昳,董航,张康龙,韦昭,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。