超分辨率重建方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种超分辨率重建方法、装置、计算机设备和存储介质。所述方法包括：获取待重建的低分辨率图像数据；从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；对所述低分辨率图像数据和所述参考图像数据进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。采用本方法能够有效避免图像失真。避免图像失真。避免图像失真。

【技术实现步骤摘要】
超分辨率重建方法、装置、计算机设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种超分辨率重建方法、装置、计算机设备和存储介质。

技术介绍

[0002]超分辨率(Super
‑
Resolution)重建即通过硬件或软件的方法提高原有图像数据的分辨率，通过一系列低分辨率的图像数据来得到一幅高分辨率的图像数据过程。超分辨率重建在医学领域应用十分广泛，对于医学图像(例如CT、MRI、超声)，为了提高诊断的效率和准确率，使用者(医生或相关科研人员)可以通过超分辨率重建在较短的时间内取得分辨率更高的图像。
[0003]传统技术中，在进行超分辨率重建时，通常通过训练超分辨率重建模型，将待重建的图像输入超分辨率重建模型中，以重建得到目标高分辨率图像，这种重建方式效果并不好，在提升分辨率的同时，常常会导致图像失真。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够有效避免图像失真的超分辨率重建方法、装置、计算机设备和存储介质。
[0005]一种超分辨率重建方法，其特征在于，所述方法包括：
[0006]获取待重建的低分辨率图像数据；
[0007]从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；
[0008]对所述低分辨率图像数据和所述参考图像数据进行融合处理，，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。
[0009]在一些实施例中，所述对所述低分辨率图像数据和所述参考图像数据进行融合处理包括：
[0010]分别提取所述低分辨率图像数据和所述参考图像数据的纹理特征，得到所述低分辨率图像数据对应的低分辨率纹理特征及所述参考图像数据对应的高分辨率纹理特征；
[0011]根据所述低分辨率纹理特征及所述高分辨率纹理特征进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。
[0012]在一些实施例中，所述高分辨率图像数据库的建立步骤包括：
[0013]获取多个不同对象对应的高分辨率图像数据；
[0014]对各个高分辨率图像数据提取特征，以得到各个高分辨率图像数据各自对应的高分辨率特征向量；
[0015]将各个高分辨率图像数据与各自对应的高分辨率特征向量对应存储至数据库中，以建立所述高分辨率图像数据库。
[0016]在一些实施例中，在所述从预先建立的高分辨率图像数据库中获取满足相似度条
件的参考图像数据之前，所述方法还包括：
[0017]对所述低分辨率图像数据提取特征，以得到所述低分辨率图像数据对应的低分辨率特征向量；
[0018]所述从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据包括：
[0019]从所述高分辨率图像数据库中获取与所述低分辨率特征向量的向量距离满足距离条件的目标高分辨率特征向量，将所述目标高分辨率特征向量对应的高分辨率图像数据确定为参考图像数据。
[0020]在一些实施例中，在所述根据各个高分辨率图像数据各自对应的高分辨率特征向量建立所述高分辨率图像数据库之后，所述方法还包括：
[0021]对各个所述高分辨率特征向量进行聚类处理，得到多个特征向量簇；各个特征向量簇存在对应的聚类中心；
[0022]将各个特征向量簇对应的聚类中心作为索引项，将各个特征向量簇中的高分辨率特征向量作为倒排文件，建立倒排索引。
[0023]在一些实施例中，所述低分辨率图像数据、所述高分辨率图像数据均为医学图像数据；所述低分辨率图像数据、所述高分辨率图像数据为二维数据、三维数据和傅里叶空间数据中的任意一种。
[0024]在一些实施例中，在所述分别提取所述低分辨率图像数据和所述参考图像数据的纹理特征之前，所述方法还包括：
[0025]获取训练后的机器学习模型；所述机器学习模型包括特征提取层；
[0026]所述分别提取所述低分辨率图像数据和所述参考图像数据的纹理特征包括：
[0027]将所述低分辨率图像数据与所述参考图像数据输入所述特征提取层，在所述特征提取层分别提取所述低分辨率图像数据和所述参考图像数据的纹理特征；
[0028]所述根据所述低分辨率纹理特征及所述高分辨率纹理特征进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据包括：
[0029]通过所述机器学习模型对所述低分辨率纹理特征及所述高分辨率纹理特征进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。
[0030]在一些实施例中，所述机器学习模型还包括特征比对层和特征融合层；所述通过所述机器学习模型对所述低分辨率纹理特征及所述高分辨率纹理特征进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据包括：
[0031]将所述低分辨率纹理特征及所述高分辨率纹理特征输入所述特征比对层，在所述特征比对层对所述低分辨率纹理特征及所述高分辨率纹理特征进行相似度比对，获得相似特征分布；
[0032]将所述低分辨率图像数据及所述相似特征分布输入所述特征融合层，在所述特征融合层根据所相似特征分布及所述低分辨率图像数据进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。
[0033]一种超分辨率重建装置，所述装置包括：
[0034]数据获取模块，用于获取待重建的低分辨率图像数据；
[0035]搜索模块，用于从预先建立的高分辨率图像数据库中获取满足相似度条件的参考
图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；
[0036]融合处理模块，用于对所述低分辨率图像数据和所述参考图像数据进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。
[0037]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0038]获取待重建的低分辨率图像数据；
[0039]从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；
[0040]对所述低分辨率图像数据和所述参考图像数据进行融合处理，，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。
[0041]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0042]获取待重建的低分辨率图像数据；
[0043]从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；
[0044]对所述低分辨率图像数据和所述参考图像数据进行融合处理，，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超分辨率重建方法，其特征在于，所述方法包括：获取待重建的低分辨率图像数据；从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据；所述高分辨率图像数据库根据多个不同对象对应的高分辨率图像数据建立得到；对所述低分辨率图像数据和所述参考图像数据进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。2.根据权利要求1所述的方法，其特征在于，所述对所述低分辨率图像数据和所述参考图像数据进行融合处理包括：分别提取所述低分辨率图像数据和所述参考图像数据的纹理特征，得到所述低分辨率图像数据对应的低分辨率纹理特征及所述参考图像数据对应的高分辨率纹理特征；根据所述低分辨率纹理特征及所述高分辨率纹理特征进行融合处理，以重建得到所述低分辨率图像数据对应的目标高分辨率图像数据。3.根据权利要求1或2所述的方法，其特征在于，所述高分辨率图像数据库的建立步骤包括：获取多个不同对象对应的高分辨率图像数据；对各个高分辨率图像数据提取特征，以得到各个高分辨率图像数据各自对应的高分辨率特征向量；将各个高分辨率图像数据与各自对应的高分辨率特征向量对应存储至数据库中，以建立所述高分辨率图像数据库。4.根据权利要求3所述的方法，其特征在于，在所述从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据之前，所述方法还包括：对所述低分辨率图像数据提取特征，以得到所述低分辨率图像数据对应的低分辨率特征向量；所述从预先建立的高分辨率图像数据库中获取满足相似度条件的参考图像数据包括：从所述高分辨率图像数据库中获取与所述低分辨率特征向量的向量距离满足距离条件的目标高分辨率特征向量，将所述目标高分辨率特征向量对应的高分辨率图像数据确定为参考图像数据。5.根据权利要求3所述的方法，其特征在于，在所述将各个高分辨率图像数据与各自对应的高分辨率特征向量对应存储至数据库中，以建立所述高分辨率图像数据库之后，所述方法还包括：对各个所述高分辨率特征向量进行聚类处理，得到多个特征向量簇；各个特征向量簇存在对应的聚类中心；将各个特征向量簇对应的聚类中心作为索引项，将各个特征向量簇中的高分辨率特征向量作为倒排文件，建立倒排索引。6.根据权利要求2所述的方法，其特征在于，在...

【专利技术属性】
技术研发人员：吕孟叶，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：