一种超分辨图像训练方法、装置、介质及设备制造方法及图纸

本发明专利技术的一种超分辨图像训练方法，包括：获取低清图像集；从高清图像库中获取与低清图像匹配的高清图像；其中，匹配指从高清图库中找到与低清图像的相似度最高的高清图像；以从高清图像库中获取的与低清图像匹配的高清图像组成数据对，并以若干所述数据对构成的数据集训练得到超分辨模型。本发明专利技术地克服了非成对地低清人脸图像和高清人脸图像难以训练地问题，使用最相似的低清人脸图像和高清人脸图像作为输入，训练超分辨模型。训练超分辨模型。训练超分辨模型。

【技术实现步骤摘要】
一种超分辨图像训练方法、装置、介质及设备


[0001]本专利技术涉及图像处理领域，具体涉及一种超分辨图像训练方法、装置、介质及设备。

技术介绍

[0002]由于各种原因，数据库中存在着大量低分辨率图像。并且伴随着锯齿、图像压缩、模糊、颜色失真。如图1所示。
[0003]一方面，这些低质量的图像用来训练人脸识别等计算机视觉模型时效果很差；另一方面，高质量的图像获得非常困难，因此还是希望能利用这些低质量图像。
[0004]一个解决方法是训练一个超分辨模型将这些低质量图像进行超分辨重建，使其质量接近高分辨率图像。但是超分辨模型的训练需要一组成对的高清与低清图像，但是低质量的图像没有对应的高质量人脸图像，例如，只有图2所示的低分辨率图像，没有图1所示的高分辨率图像。
[0005]由于无法获得成对输入，因此无法训练超分辨模型。

技术实现思路

[0006]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种超分辨图像训练方法、装置、机器可读介质及设备，用于解决现有技术存在的问题。
[0007]为实现上述目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超分辨模型训练方法，其特征在于，包括：获取低清图像集；从高清图像库中获取与低清图像匹配的高清图像；其中，匹配指从高清图库中找到与低清图像的相似度最高的高清图像；以从高清图像库中获取的与低清图像匹配的高清图像组成数据对，并以若干所述数据对构成的数据集训练得到超分辨模型。2.根据权利要求1所述的超分辨模型训练方法，其特征在于，所述从高清图像库中获取与低清图像匹配的高清图像，包括：生成低清图像的哈希码与高清图像的哈希码；根据所述低清图像的哈希码与所述高清图像的哈希码从高清图像库中获取与低清图像匹配的高清图像。3.根据权利要求2所述的超分辨模型训练方法，其特征在于，通过dhash算法、AHash算法、PHash算法或SimHash算法计算低清图像的哈希码和高清图像的哈希码。4.根据权利要求1所述的超分辨模型训练方法，其特征在于，所述超分辨模型包括：依次连接的多个超分辨模块、上采样模块；所述超分辨模块包括依次连接的多个卷积层，每个卷积层具有激活函数。5.根据权利要求1所述的超分辨模型训练方法，其特征在于，以若干所述数据对构成的数据集训练得到超分辨模型，包括：以低清图像以及与所述低清图像匹配的高清图像作为输入，反复迭代训练超分辨模型，直到超分辨模型的损失小于阈值。6.根据权利要求5所述的超分辨模型训练方法，其特征在于，在超分辨模型的训练过程中，输入低清图像，通过超分辨模型前向传播得到模拟高清图像；通过模拟高清图像和真实高清图像，计算超分辨模型的损失Loss，然后反向传播，更新超分辨模型的参数。7.根据权利要求6所述的超分辨模型训练方法，其特征在于，所述超分辨模型的损失Loss为：L＝w
gan
L
gan
+w
pixel
L
pixel
其中，w
gan
和w
pixel
表示设定的系数，L
pixel
表示像素损失，L
gan
表示对抗损失，表示对抗损失，其中，N是像素数量，p
1i
是模拟高清图像每个RGB像素的值，p
2i
是真实高清图像每个RGB像素的值，x是输入图像，G是超分辨模型，D是判别模型，其中，模拟高清图像与相应的真实高清图像为判别模型的输入。8.一种超分辨模型训练装置，其特征在于，包括：图像获取模块，用于获取低清图像集；图像匹配模块，用于从高清图像库中...

【专利技术属性】
技术研发人员：姚志强，周曦，蔡舒啸，徐亮，蒋韵雯，王彦添，
申请(专利权)人：广州云从凯风科技有限公司，
类型：发明
国别省市：