【技术实现步骤摘要】
超分辨率图像重构方法和装置
本专利技术属于计算机视觉、深度学习、图像处理领域，尤其涉及一种超分辨率图像重构方法和装置。
技术介绍
高分辨率遥感图像在资源勘探、环境监测、自然灾害预防、军事侦察等方面发挥着重要的作用。然而由于信号传输带宽及成像传感器存储的限制，遥感成像设备通常只能获取低空间分辨率的遥感图像。成像设备精度的提高、图像尺寸的缩小、单位面积内像素采集量的增加，都受到了当前制造水平的制约，从硬件上提高图像分辨率较为困难，且耗时较长，成本极高。基于深度学习的超分辨率重构方法，通过大量样本训练学习低分辨率图像和高分辨率图像之间的端到端映射关系，能够更充分地学习低分辨率图像中的先验信息，重建速度快且效果好。然而目前含有大量高分辨率遥感图像的数据集很少，如何利用较少的高分辨率遥感图像训练样本使用深度学习的方法提高遥感图像的空间分辨率仍然是一个亟待解决的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种超分辨率图像重构方法和装置，可以有效地解决现有技术中因参考图像分辨率不理想而带来的重构困难的...
【技术保护点】
1.一种超分辨率图像重构方法，其特征在于，包括：/n构建生成对抗网络，其中所述生成对抗网络至少包括生成器、判别器和损失函数计算器；/n构建原始分辨率图像训练集；/n基于所述原始分辨率图像训练集训练所述生成对抗网络，其中，所述原始分辨率图像训练集经由预处理作为所述判别器的第一输入，所述生成器的输出作为所述判别器的第二输入；/n利用训练后的所述生成对抗网络的生成器，对输入图像进行重构。/n
【技术特征摘要】 【专利技术属性】
1.一种超分辨率图像重构方法，其特征在于，包括：
构建生成对抗网络，其中所述生成对抗网络至少包括生成器、判别器和损失函数计算器；
构建原始分辨率图像训练集；
基于所述原始分辨率图像训练集训练所述生成对抗网络，其中，所述原始分辨率图像训练集经由预处理作为所述判别器的第一输入，所述生成器的输出作为所述判别器的第二输入；
利用训练后的所述生成对抗网络的生成器，对输入图像进行重构。
2.根据权利要求1所述的图像重构方法，其特征在于，所述构建生成对抗网络，包括：
利用卷积神经网络构建所述生成器，所述卷积神经网络包括卷积核大小依次递减的多个卷积层，其中每个卷积层的卷积核大小都大于步长。
3.根据权利要求2所述的图像重构方法，其特征在于，利用卷积神经网络构建所述生成器，包括：
将卷积神经网络的输出层之后增加用于下采样的平均池化层，其中将从所述平均池化层输出的图像作为所述判别器的所述第二输入，
其中，所述利用训练后的所述生成对抗网络的生成器，对输入图像进行重构，包括：
将所述输入图像输入到所述生成器，从输出层得到重构图像。
4.根据权利要求1所述的图像重构方法，其特征在于，所述判别器的所述第一输入对应于第一输出，所述第二输入对应于第二输出，其中所述构建生成对抗网络，包括：
利用生成器损失函数计算器，以便向所述生成器反馈所述生成器损失函数，其中所述生成器损失函数至少包括所述第一输出与所述第二输出之间的交叉熵损失。
5.根据权利要求1所述的图像重构方法，其特征在于，所述构建生成对抗网络，包括：
利用批归一化层构建所述判别器，所述批归一化层置于所述判别器的密集层与激励函数层之间。
技术研发人员：王永成，张宁，张欣，徐东东，王晓东，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林;22
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。