【技术实现步骤摘要】
一种基于双路径网络的多尺度图像超分辨率方法
本专利技术涉及计算机视觉领域与人工智能技术，更具体地，涉及一种基于双路径网络的多尺度图像超分辨率方法。
技术介绍
当前我们正处于信息化时代，图像是人们获取信息和传递信息的重要载体，在人们的日常生活中占据着越来越重要的地位。人们可以在网上浏览、上传和下载图像资源，医生可以通过专门的医学图像来诊断疾病，警察可以通过获取监控录像来帮助侦破案件等等。但是在现实生活中，由于成像设备、环境、网络带宽等因素，人们获取到的一般是低分辨率的、模糊的或信息不全的图像，这大大影响了人们的使用，可能无法满足特定场景的需求。目前在医学图像处理、视频监控和卫星遥感影像等多个图像应用领域对获得高分辨率的图像都有比较强烈的需求。超分辨率是一种算法，旨在通过增加图像中每个单位区域的像素的数量来提供更多的有用的细节特征。我们首先了解一下为了增加单位区域的像素数量，基于硬件的方法有哪些。一般来说，基于硬件的方法包括两种：第一种方法是减少像素的尺寸；第二种方法是增加传感器的尺寸。前一个方法是一种有用的方案，但是减少像素的尺寸到某个特定的阈值(当前的技术已经达到...
【技术保护点】
1.一种基于双路径网络的多尺度图像超分辨率方法，其特征在于，包括以下步骤：(1)根据不同的尺度，生成多尺度的图像训练集(ILR,IHR)；(2)构建预处理模块、高层特征提取模块以及上采样模块，每个尺度都有其对应的预处理模块和上采样模块，多个尺度之间共享高层特征提取模块；(3)搭建卷积神经网络模型，所述卷积神经网络模型将低分辨率图像作为输入，沿传输方向依次经过步骤(2)中构建的预处理模块、高层特征提取模块和上采样模块，最终得到重建出的高分辨率图像；(4)采用步骤(1)中的图像训练集(ILR,IHR)作为训练集，用L1损失函数来训练步骤(3)中构建好的卷积神经网络模型；(5)采...
【技术特征摘要】
1.一种基于双路径网络的多尺度图像超分辨率方法，其特征在于，包括以下步骤：(1)根据不同的尺度，生成多尺度的图像训练集(ILR,IHR)；(2)构建预处理模块、高层特征提取模块以及上采样模块，每个尺度都有其对应的预处理模块和上采样模块，多个尺度之间共享高层特征提取模块；(3)搭建卷积神经网络模型，所述卷积神经网络模型将低分辨率图像作为输入，沿传输方向依次经过步骤(2)中构建的预处理模块、高层特征提取模块和上采样模块，最终得到重建出的高分辨率图像；(4)采用步骤(1)中的图像训练集(ILR,IHR)作为训练集，用L1损失函数来训练步骤(3)中构建好的卷积神经网络模型；(5)采用Adam优化器来优化根据步骤(1)至(4)构建的基于双路径网络的多尺度图像超分辨率模型，即MISRM-DPN模型的参数，得到低分辨率图像与高分辨率图像之间的端到端的网络映射；(6)根据步骤(5)优化得到的MISRM-DPN模型，将输入的低分辨率图像转化为高分辨率图像，并计算相应的客观评价指标峰值信噪比PSNR和结构相似性SSIM。2.根据权利要求1所述的一种基于双路径网络的多尺度图像超分辨率方法，其特征在于：所述步骤(1)中采用的尺度包含2倍、3倍和4倍，形成多尺度的训练集。3.根据权利要求1所述的一种基于双路径网络的多尺度图像超分辨率方法，其特征在于：所述步骤(1)采用的是开源公开的DIV2K数据集中的800张图片作为训练集，其中低分辨率图像是通过对高分辨率图像进行双三次插值下采样来获得。4.根据权利要求1所述的一种基于双路径网络的多尺度图像超分辨率方法，其特征在于：所述步骤(1)中的图像训练集在训练的时候采用的就是原始的RGB彩色图像，不需要转换到YCbCr空间。5.根据权利要求1所述的一种基于双路径网络的多尺度图像超分辨率方法，其特征在于：所述步骤(2)中的预处理模块由2个残差块ResBlock组成，每个尺度都有其对应的预处理模...
【专利技术属性】
技术研发人员：旷海兰，林国华，王鸿传，刘新华，马小林，张家亮，周炜，林靖杰，
申请(专利权)人：武汉嫦娥医学抗衰机器人股份有限公司，
类型：发明
国别省市：湖北,42
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。