The invention relates to a single image super-resolution reconstruction method based on ERGAN network. The invention comprises the following steps: input the image I to be reconstructed; divide the image I to be reconstructed into a set of image blocks with the size of m*m, and use each image block.
【技术实现步骤摘要】
基于ERGAN网络单幅图像超分辨重建方法
本专利技术涉及图像重建
，具体的说是一种基于ERGAN网络单幅图像超分辨重建方法。
技术介绍
超分辨率(SR)技术用于从低分辨率(LR)图像或图像序列重建高分辨率(HR)图像。图像超分辨率重建的核心概念是利用时间带宽(同一场景的多帧图像序列)来实现时间分辨率到空间分辨率的转换。目前的图像超分辨率方法可分为三大类：基于插值的，基于的重建，以及基于学习的。虽然已有许多基于非神经网络的重建方法，但其效果不如基于深度学习的超分辨率技术。基于生成对抗网络(GAN)由两部分组成：生成器G和鉴别器D。生成器G可以用来生成与原始图像接近的超分辨率图像G(z)。判别器D可以区分是来自生成网络或训练数据X上的图像。我们知道，生成器的目标是在训练数据X上学习分布pg。因此，生成器输入的是随机向量z满足高斯分布Pz(z)，然后将输入z映射到数据空间G(z；θg)。另一方面，鉴别器网络可以被认为是从图像数据映射到图像来自真实数据分布pg，而不是生成器分布的概率的函数。深度学习为重建超分辨率图像提供了许多良好的训练方法。SRCNN是首次提出的用...
【技术保护点】
1.一种基于ERGAN网络单幅图像超分辨重建方法，其特征在于，包括以下步骤：输入待重建图像I；将待重建图像I分为大小为m*m的图像块集合，每一个图像块用
【技术特征摘要】
1.一种基于ERGAN网络单幅图像超分辨重建方法，其特征在于，包括以下步骤：输入待重建图像I；将待重建图像I分为大小为m*m的图像块集合，每一个图像块用表示，i＝1，2，...，s；将处理成n*n大小的低分辨率图像将低分辨率图像输入到生成器G中进行训练；将生成器G输出的结果G(z)和一同输入到鉴别器D中；将需要重建的图像再经过生成器G网络超分辨重建。2.根据权利要求1所述的基于ERGAN网络单幅图像超分辨重建方法，其特征在于，所述将低分辨率图像输入到生成器G中进行训练，包括以下步骤：用大小为3×3的卷积核对低分辨率图像做卷积处理；对上一步骤输出的特征图进行残差处理；对上一步骤输出的特征图用大小为3×3的卷积核做卷积处理；对上一步骤输出的特征图进行残差处理；残差单元对称跳跃连接；经过两层子像素卷积，生成结果G(...
【专利技术属性】
技术研发人员：李孝杰，伍贤宇，何嘉，吴锡，周激流，史沧红，郭峰，罗超，张宪，刘书樵，李俊良，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川,51
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。