一种多尺度图像超分辨率重建的方法及装置制造方法及图纸

本发明专利技术实施例提供了一种多尺度图像超分辨率重建方法及装置，利用基于残差结构和重建结构的多尺度图像超分辨率重建模型，将第一分辨率图像处理为多尺度的第二分辨率图像，第二分辨率大于第一分辨率。第一分辨率图像通过学习残差，利用更多深层特征，充分恢复高频细节；第一分辨率图像经过多层残差结构之后进入重建结构，重建结构在保持经过的图像分辨率不变的情况下尺寸变大，从而输出不同尺度的第二分辨率图像。针对不同尺度的第二分辨率图像，只需经过相应层数的残差结构，而无需针对不同尺度的第二分辨率图像都经过固定层数的残差结构，节约了处理时间，在保证图像清晰度的前提下提高了图像超分辨率的效率。

【技术实现步骤摘要】
一种多尺度图像超分辨率重建的方法及装置
本专利技术实施例涉及图像处理领域，尤其涉及一种多尺度图像超分辨率重建方法及装置。
技术介绍
传统的低分辨率图像的超分辨率重建主要采用插值法，如最近元法、双线性内插法和三次内插法等。这些方法针对图像上每个像素点的值是用其周围几个点进行计算逼近得到，而这些采用插值法的方法得到的图像过于平滑，丢失了很多高频细节，因此导致最终得到的高分辨率图像不能很好地保留原始图像的细节。目前，低分辨率图像的超分辨率重建也有一些基于深度学习的方法，主要采用大量的高分率图像建立学习库产生学习模型，在对低分年率图像进行恢复的过程中引入由学习模型获得的先验知识，以得到图像的高频细节。但目前这种基于深度学习的方法仅使用了低分辨率图像的表层特征，对于低分辨率的深层特征运用较少。但是，目前的基于深度学习的低分辨率图像的超分辨率重建方法一般仅能获得单尺度的高分辨率图像，若需要获得多尺度的高分辨率图像，则需要建立多个不同尺度的超分辨率模型，利用不同尺度的超分辨率模型获得多尺度的高分辨率图像，过程繁琐；或利用单一模型获得多尺度的高分辨率图像，不能同时获取多尺度的高分辨率图像，效率较低。本文档来自技高网...

【技术保护点】
1.一种多尺度图像超分辨率重建方法，其特征在于，包括：获取第一分辨率图像；将所述第一分辨率图像输入至训练好的多尺度图像超分辨率重建模型，输出多尺度的第二分辨率图像，所述多尺度图像超分辨率重建模型为基于第二分辨率图像样本和与其对应的第一分辨率图像样本进行训练后得到，所述第二分辨率大于所述第一分辨率；所述多尺度图像超分辨率重建模型为基于残差结构和重建结构的多层神经网络。

【技术特征摘要】
1.一种多尺度图像超分辨率重建方法，其特征在于，包括：获取第一分辨率图像；将所述第一分辨率图像输入至训练好的多尺度图像超分辨率重建模型，输出多尺度的第二分辨率图像，所述多尺度图像超分辨率重建模型为基于第二分辨率图像样本和与其对应的第一分辨率图像样本进行训练后得到，所述第二分辨率大于所述第一分辨率；所述多尺度图像超分辨率重建模型为基于残差结构和重建结构的多层神经网络。2.根据权利要求1所述的一种多尺度图像超分辨率重建方法，其特征在于，每层所述重建结构的输入为上一层残差结构的输出，每层所述重建结构的输出为单一尺寸的第二分辨率图像。3.根据权利要求1所述的一种多尺度图像超分辨率重建方法，其特征在于，所述多尺度图像超分辨率重建模型的训练数据的获取包括以下步骤：通过OpenCV中的下采样函数对所述第二分辨率图像样本进行下采样，加入噪声，并进行JPEG压缩，得到与所述第二分辨率图像样本对应的第一分辨率图像样本；将所述第二分辨率图像样本任意裁剪第二像素尺寸的区域，并裁剪所述第一分辨率图像样本中与所述第二像素尺寸的区域对应的第一像素尺寸的区域；所述第二分辨率图像样本的尺寸和所述第一分辨率图像样本的尺寸之比值与所述第二像素尺寸和所述第一像素尺寸之比值相同；将所述第一像素尺寸的区域和所述第二像素尺寸的区域作为所述训练数据。4.根据权利要求1所述的一种多尺度图像超分辨率重建方法，其特征在于，上一层残差结构的输出与所述上一层残差结构的输入之和为下一层残差结构的输入。5.根据...

【专利技术属性】
技术研发人员：许靳昌，董远，白洪亮，熊风烨，
申请(专利权)人：北京飞搜科技有限公司，
类型：发明
国别省市：北京,11