一种基于卷积神经网络的图像超分辨率重建方法技术

本发明专利技术属于图像技术领域，具体是涉及一种基于卷积神经网络的图像超分辨率重建方法。本发明专利技术方法根据不同卷积核的感受野差异原理，利用异形卷积核对卷积神经网络进行改进，使得网络在具有较少的参数的情况下能够提取图像的丰富特征。同时，利用tanh函数作为激活函数以及跳跃连接的方式将多层特征图像信息充分利用，使得重建图像的质量有所提高。另外，本发明专利技术方法利用卷积神经网络轻量化原理，对卷积神经网络进行轻量化优化，使得网络在重建图像质量略有下降的情况下整个网络的参数减少，运算量有下降。本发明专利技术方法能够在相较于传统网络的参数没有较大提升的基础上提升重建图像质量，同时重建图像相较与传统方法所重建的图像在人眼观感上有明显提升。

【技术实现步骤摘要】
一种基于卷积神经网络的图像超分辨率重建方法
本专利技术属于图像处理
，具体是涉及一种基于卷积神经网络的图像超分辨率重建方法。
技术介绍
图像超分辨率重建是低分辨率图像重建成高分辨率图像的图像处理技术。随着设备显示能力的提升，用户需要有更高分辨率的图像带来更好的视觉体验，同时更高的分辨率也能方便更多行业的从业人员进行科研，这就需要对图像进行超分辨率重建。图像超分辨率重建方法包括基于插值的图像超分辨率重建、基于拟合的图像超分辨率重建和基于学习的图像超分辨率重建。基于学习的图像超分辨率重建是当前较为热门的一种重建方法，其具有重建质量好、重建图像细节丰富和人眼观感好等特点，在医疗、卫星和民用领域均得到广泛的应用，因此对图像超分辨率重建的重建质量提升具有重要意义。基于学习的图像超分辨率重建方法又有基于字典学习的图像超分辨率重建方法和基于卷积神经网络的图像超分辨率重建方法，基于卷积神经网络的图像超分辨率重建方法由于其具有较好的特征提取能力和非线性映射能力，使其重建图像质量优于其他方法。目前针对基于卷积神经网络的图像超分辨率重建方法主要本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的图像超分辨率重建方法，其特征在于，包括以下步骤：/nS1、选取n张图像作为训练集{P

【技术特征摘要】
1.一种基于卷积神经网络的图像超分辨率重建方法，其特征在于，包括以下步骤：
S1、选取n张图像作为训练集{PH1,PH2,...,PHn}，下标H表示图像为高分辨率图像；
S2、对训练集进行预处理：随机提取训练集每张图像中大小为100×100的像素区域，图像像素区域小于100则用0补齐不足区域，然后对这些像素区域进行下采样，得到对应的低分辨率图像集{PL1,PL2,...,PLn}；
S3、构建卷积神经网络，将网络从输入到输出的方向定义为垂直方向，则：
沿垂直方向，依次包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层、反卷积层；其中，
所述第一卷积层的输入为低分辨率图像集，第一卷积层输出的特征图像分为数量相等的两组；
所述第二卷积层具有a×1和1×a的两种卷积核，两种卷积核分别将第一卷积层的两组输出作为输入，每种卷积核的输出又分为数量相等的两组，即第二卷积层输出四组特征图像；
所述第三卷积层具有四个卷积核，沿水平方向，交替由a×1和1×a的两种卷积核构成，第一组a×1和1×a卷积核对应的输入为第二卷积层中a×1卷积核输出的两组特征图像，第二组a×1和1×a卷积核对应的输入为第二卷积层中1×a卷积核输出的两组特征图像，每种卷积核的输出又分为数量相等的两组，即第三卷积层输出八组特征图像；
所述第四卷积层具有八个卷积核，沿水平方向，交替由a×1和1×a的两种卷积核构成，每个卷积核的输入与第三卷...

【专利技术属性】
技术研发人员：李劼，任春辉，王斌，付毓生，
申请(专利权)人：电子科技大学，中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：四川;51