一种双通道多感知卷积神经网络的图片超分辨率重建方法技术

本发明专利技术提供一种双通道多感知卷积神经网络的图片超分辨率重建方法，涉及图像处理技术领域。本发明专利技术用具有不同卷积核的双卷积通道，结合局部稠密连接，获得对图片特征信息的多种感知能力，带有卷积调节功能的层间融合结构还原出更加准确的融合信息。网络通过DIV2K数据集训练，在只使用了8层DMRB模块的条件下，对几个基准数据集测试的结果好于目前多数MSRN、EDSR等先进重建算法。DMCN的重建结果图包含更加丰富的高频细节信息，与原始图片更加接近，DMCN网络结构能更全面的感知图片中的各类信息，重建能力更强。

【技术实现步骤摘要】
一种双通道多感知卷积神经网络的图片超分辨率重建方法
本专利技术涉及图像处理
，尤其涉及一种双通道多感知卷积神经网络的图片超分辨率重建方法。
技术介绍
图片超分辨率重建旨在将模糊的低分辨率(Low-resolution，LR)图片重建为更加清晰的高分辨率(Height-resolution，HR)图片。它可以解决视频监控，医学、卫星成像等领域存在的图片模糊、噪声干扰等问题。常用的图片超分辨率方法有插值法、基于稀疏表示的方法、局部线性回归法以及基于深度学习的方法。最近的研究表明，深度神经网络可以显着提高单图像超分辨率的质量。当前的研究倾向于使用更深的卷积神经网络来提高性能。但是，盲目地增加网络的深度不能有效地改善网络。更糟糕的是，随着网络深度的增加，培训过程中会出现更多问题，并且需要更多的培训技巧。对于现有图片超分辨率重建技术，MSRN提出了一种新的多尺度残差网络(MSRN)来充分利用图像的特征：使用MSRB来获取不同尺度的图像特征(局部多尺度特征)。将每个MSRB的输出组合起来进行全局特征融合(HFFS，一个以1×1卷积核为本文档来自技高网...

【技术保护点】
1.一种双通道多感知卷积神经网络的图片超分辨率重建方法，其特征在于：包括以下步骤：/n步骤1：构建一个双通道多感知残差模块DMRB，作为重构网络的基础模块；/n步骤2：浅层特征提取层对输入网络的低分辨率图片I

【技术特征摘要】
1.一种双通道多感知卷积神经网络的图片超分辨率重建方法，其特征在于：包括以下步骤：
步骤1：构建一个双通道多感知残差模块DMRB，作为重构网络的基础模块；
步骤2：浅层特征提取层对输入网络的低分辨率图片ILR进行升维，由RGB图片的3特征维度提升到深层特征提取层的64特征维度，并获得图片的初步特征信息，输出特征值X0，该过程为：X0＝HSFE(ILR)，其中HSFE(.)表示浅层特征提取功能；
步骤3：X0输入到深层特征提取层，在多层双通道多感知残差模块DMRB间传递，不断提取特征信息，并把各层输出通过调节层(1*1卷积)后，输入到层间融合层，最后通过残差结构提升特征提取效率，输出特征值Xd，则该过程为：Xd＝HDFE(X0)，其中HDFE(.)表示深度特征提取功能；
步骤4：将图片通过放大重建层放大到特定倍数，该过程为：ISR＝Hup_REC(Xd)，其中Hup_REC(.)表示放大和重建功能；
步...

【专利技术属性】
技术研发人员：张淑芬，王鑫，吕艳霞，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北;13