【技术实现步骤摘要】
一种单张图像超分辨的方法
本专利技术涉及计算机视觉以及数字图像处理领域，尤其涉及单张图像超分辨的方法。
技术介绍
单张图像超分辨率重构技术是指利用计算机将一幅低分辨率图像进行处理，恢复出高分辨率图像的一种图像处理技术，一直是计算机视觉领域中一个很热门的方向。高分辨率意味着图像具有高像素密度，可以提供更多的细节，这些细节往往在应用中起到关键作用。因此广泛应用于视频监控、目标检测、人脸识别、自动驾驶等领域中。由于高低分辨率图像信息的不对称性，这是一个典型的不适定问题，即一张低分辨图像往往对应着无数的高分辨率解。在当前的超分辨算法中，不论是传统算法还是深度学习模型，大多都是假设低分辨率图像是由一张高分辨率图像经由一个已知的模糊核(如高斯模糊，双三次插值等)下采样得到的，再从低分辨图像反解出高分辨图像。基于单幅图像的超分辨算法主要分为两个方向：一种基于传统算法的图像内部插值超分辨和外部样本字典学习超分辨，通过加入各类正则约束提高算法效果；另一种则是基于深度学习的图像超分辨，通过神经网络学习低分辨图像到高分辨图像的映射...
【技术保护点】
1.一种单张图像超分辨的方法，其特征在于，包括以下步骤：/nS1、对单张低分辨率图像进行上采样，得到图像P1；/nS2、将P1作为深度学习网络VDSR的输入，输出高分辨率图像P2；/nS3、用变换核T1对P1进行Saak变换，得到P1的2n
【技术特征摘要】
1.一种单张图像超分辨的方法，其特征在于，包括以下步骤：
S1、对单张低分辨率图像进行上采样，得到图像P1；
S2、将P1作为深度学习网络VDSR的输入，输出高分辨率图像P2；
S3、用变换核T1对P1进行Saak变换，得到P1的2n2张Saak特征图；用变换核T2对P2进行Saak变换，得到P2的2n2张Saak特征图；其中，变换核T1由P1计算得到，变换核T2由P2计算得到；Saak变换的变换核滑动窗口大小为n×n，n为自然数；
S4、从P1的2n2张Saak特征图中选择前m张Saak特征图作为训练集，用反向传播算法训练得到一卷积神经网络，并将所述前m张Saak特征图作为该卷积神经网络的输入，输出P1的m张特征图；其中1≤m≤n2；
S5、从P2的2n2张Saak特征图中选择后2n2-m张Saak特征图，与步骤S4中卷积神经网络输出的P1的m张特征图组合成2n2张图，进行Saak反变换得到高分辨率图像P3；
S6、将P2与P3进行融合，得到最终的高分辨率图像P4。
2.如权利要求1所述的单张图像超分辨的方法，其特征在于，步骤S1中采用双三次插值法、最近邻插值法或者双线性插值法进行上采样。
3.如权利要求1所述的单张图像超分辨的方法，其特征在于，步骤S2中深度学习网络VDSR的损失函数L为：
其中，N为每次迭代中批处理的图片张数，xi为输入的图片，SR(xi)表示深度学习网络VDSR输...
【专利技术属性】
技术研发人员：张永兵，李晶晶，季向阳，王好谦，戴琼海，杨芳，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44
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。