【技术实现步骤摘要】
单张图像超分辨率重建系统及方法
本专利技术属于图像处理领域，特别涉及一种单张图像的超分辨率重建方法。
技术介绍
单张图像超分辨率是计算机视觉领域的一个热门话题。它广泛应用于各个领域，包括人脸识别、卫星成像和医学成像等。超分辨率重建的目的是从给定的低分辨率图像中恢复高分辨率图像。然而，当上采样因子较大时，恢复图像中的高频信息就变得非常困难。因此，很有必要从低分辨率图像中收集更大范围内有用的上下文信息，以便捕获足够的信息来恢复高分辨率图像中的高频细节。本专利技术主要关注的是基于学习的方法，这是近年来最流行的超分辨率重建方法。这种方法主要学习低分辨率图像和高分辨率图像之间的映射关系并且实现了较好的重建效果。2014年Dong等人提出了一种具有三个卷积层的卷积神经网络(SRCNN)，直接学习低分辨率图像和高分辨率图像之间的映射，与以前的方法相比，该方法具有更好的性能。然而，当网络层数加深时，网络的收敛速度变得很慢并且网络训练变得非常困难。为了克服SRCNN的局限性，Kim等人提出了一种非常深的网络(VDSR)，通过采...
【技术保护点】
1.一种单张图像超分辨率重建方法，其特征在于：包括如下步骤：/n采用嵌入网络通过两个卷积层从原始的低分辨率图像中提取特征；/n两个级联的细提取块通过粗到细的方法由低分辨率特征重建高分辨率残差特征；/n重建的高分辨率残差特征被送到重建网络通过反卷积操作得到残差图像；/n将上采样的低分辨率图像与高分辨率残差图像相加，得到最终重建的高分辨率图像。/n
【技术特征摘要】
1.一种单张图像超分辨率重建方法，其特征在于：包括如下步骤：
采用嵌入网络通过两个卷积层从原始的低分辨率图像中提取特征；
两个级联的细提取块通过粗到细的方法由低分辨率特征重建高分辨率残差特征；
重建的高分辨率残差特征被送到重建网络通过反卷积操作得到残差图像；
将上采样的低分辨率图像与高分辨率残差图像相加，得到最终重建的高分辨率图像。
2.根据权利要求1所述的单张图像超分辨率重建方法，其特征在于：在嵌入网络中，使用了两个卷积层，第一个卷积层使用了256个大小为3×3的卷积核从原始的低分辨率图像中提取特征；第二个卷积层的结果要和细提取块的结果相加，第二个卷积层中使用64个大小为3×3的卷积核；
分别定义嵌入网络的输入图像为x，嵌入网络的输出图像为y；对于嵌入网络，两个卷积层用来从原始的低分辨率图像中提取更多特征，该过程可以表示为：
L1＝f1(x),L2＝f2(L1)
其中，f1,f2为特征提取函数，L1,L2分别为第一个卷积层和第二个卷积层提取的特征。
3.根据权利要求1所述的单张图像超分辨率重建方法，其特征在于：级联的细提取块由七个卷积层构成。前六个卷积层通过不同数量大小为的卷积核来提取粗到细的特征，第七个卷积层使用64个大小为的卷积核来去除冗余的信息。
4.根据权利要求3所述的单张图像超分辨率重建方法，其特征在于：对于两个级联的细提取块，该过程表示为：
L3＝F1(L2),L4＝F2(L3)
其中F1,F2分别代表第一个细提取块和第二个细提取块的映射函数；L3,L4分别为第一个细提取块和第二个细提取块得到的特征图；特别地，对于每一个细提取块；它由六个3×3的卷积层和一个1×1的卷积层构成；在细提取块中，假设每...
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。