基于宽激活的超分辨图像重建方法、装置及电子设备制造方法及图纸

本发明专利技术提供一种基于宽激活的超分辨图像重建方法、装置、电子设备及存储介质。该基于宽激活的超分辨图像重建方法包括：获取待重建的低分辨率LR图像；将待重建的低分辨率LR图像输入至经训练的基于宽激活残差结构的自适应重采样超分辨图像重建模型中，得到基于宽激活残差结构的自适应重采样超分辨图像重建模型输出的高分辨率HR图像；基于宽激活残差结构的自适应重采样超分辨图像重建模型用于至少基于插值算法和宽激活残差结构，将LR图像重建为相应的HR图像。应的HR图像。应的HR图像。

【技术实现步骤摘要】
基于宽激活的超分辨图像重建方法、装置及电子设备


[0001]本专利技术涉及计算机视觉和图像处理领域，尤其涉及一种基于宽激活的超分辨图像重建方法、装置、电子设备及存储介质。

技术介绍

[0002]空间分辨率是一个重要的图像质量评估指标，表征了单位范围内图像包含场景信息的多少。一般而言，高分辨率图像能够提供比低分辨率图像更清晰、更丰富的细节信息，有助于对图像内容的充分理解并促进后处理任务的性能。图像超分辨(Super
‑
Resolution,SR)重建是一类从软件层面提高图像固有分辨率的后处理技术，在医学成像、智能监控和虚拟现实等领域都有广泛应用。图像SR重建的目标是从一幅或多幅低分辨率(Low Resolution，LR)恢复一幅相同场景的高分辨率(High Resolution,HR)图像。
[0003]在现有技术中，通常有插值方法、建模/重建方法和机器学习方法三类，其中机器学习方法又有传统的浅层学习方法和深度学习方法。
[0004]尽管深度学习方法在最近几年极大地促进了图像SR重建的发展，但通过增加神经网络规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于宽激活的超分辨图像重建方法，其特征在于，包括：获取待重建的低分辨率LR图像；将所述待重建的低分辨率LR图像输入至经训练的基于宽激活残差结构的自适应重采样超分辨图像重建模型中，得到所述基于宽激活残差结构的自适应重采样超分辨图像重建模型输出的高分辨率HR图像；所述基于宽激活残差结构的自适应重采样超分辨图像重建模型用于至少基于插值算法和宽激活残差结构，将所述LR图像重建为相应的所述HR图像。2.根据权利要求1所述的基于宽激活的超分辨图像重建方法，其特征在于，所述基于宽激活残差结构的自适应重采样超分辨图像重建模型包括自适应插值核估计层和自适应重采样层；其中，所述自适应插值核估计层用于为所述HR图像的每个空间位置生成一个自适应插值核，以用于后续所述自适应重采样层对图像进行精细修整；所述自适应重采样层用于在生成所述自适应插值核之后，将所述自适应插值核自适应地应用到所述LR图像的相应位置，以重建所述HR图像。3.根据权利要求1所述的基于宽激活的超分辨图像重建方法，其特征在于，所述方法还包括：基于训练样本图像，训练基于宽激活残差结构的自适应重采样超分辨图像重建模型，以优化所述模型参数。4.根据权利要求2所述的基于宽激活的超分辨图像重建方法，其特征在于，所述自适应插值核估计层进一步包括浅层特征提取层、多个堆叠的宽激活残差模块、深层特征提取层和Pixel Shuffle上采样层，其中，所述浅层特征提取层、所述多个堆叠的宽激活残差模块和所述深层特征提取层构成所述宽激活残差结构，并用于执行所述自适应插值核估计层的非线性推理，以输出所述LR图像的特征映射。5.根据权利要求4所述的基于宽激活的超分辨图像重建方法，其特征在于，所述自适应重采样层用于在生成所述自适应插值核之后，将所述自适应插值核自适应地应用到所述LR图像的相应位置，以重建所述HR图像包括：基于所述插值算法将输入的所述LR图像缩放至所述HR图像的期望大小，以获得中间图像X

【专利技术属性】
技术研发人员：张艳红，侯芸，董元帅，周晶，钱振宇，田佳磊，仝鑫隆，
申请(专利权)人：中咨公路养护检测技术有限公司，
类型：发明
国别省市：