一种基于生成对抗网络的无监督图像超分辨率重建方法技术

本发明专利技术提供了一种基于生成对抗网络的无监督图像超分辨率重建方法，属于图像处理与深度学习技术领域。目前大多基于深度学习的图像超分辨率重建算法，都通过对外部数据集的学习来获取网络参数，这带来了较大的训练成本。本发明专利技术基于生成对抗网络，设计了一种无监督的图像超分辨率重建算法。首先通过图像预处理，由待处理图像生成图像金字塔；然后设计了如图金字塔结构的网络框架，从尺度N开始训练，直至尺度1，并通过判别器判断生成图像的真假。最后将待处理图像输入训练好的尺度1网络的生成器中进行超分辨率重建。实验表明，本发明专利技术中的方法可以获得较好的PSNR和SSIM指标，同时获得更佳的NIQE指标，即重建出的图像人眼视觉效果更好。好。好。

【技术实现步骤摘要】
一种基于生成对抗网络的无监督图像超分辨率重建方法


[0001]本专利技术属于图像处理与深度学习
，涉及一种基于生成对抗网络的无监督图像超分辨率重建方法。

技术介绍

[0002]从低分辨率(LR)图像中提取高分辨率(HR)图像这一极具挑战性的任务称为超分辨率 (SR)，在监控设备、卫星图像和医学影像等领域都有重要的应用价值，超分辨率重建除了提升图像感知的品质，也有助于其他计算机视觉任务。超分辨率重建是非常具有挑战性的视觉任务，具有不适定性，因为总是有多张高分辨率图像对应于单张低分辨率图像。近几年来图像超分辨率通过使用深度学习技术，已经取得了不错的进步。而目前大多基于深度学习的超分辨方法，依赖于外部图像数据集，训练成本较大，因为对设备要求同样较高。基于插值的传统超分辨方法，重建的图像比较模糊，缺乏高频信息。因此，本专利技术利用生成对抗网络涉及了一种无监督的单张图像超分辨率重建方法。

技术实现思路

[0003]本专利技术旨在实现单张图像的超分辨重建，由于基于插值的方法难以获得含有丰富高频信息的图像，而基于有监督的深度学习的超分辨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明属于图像处理与深度学习技术领域，涉及一种基于生成对抗网络的无监督图像超分辨率重建方法。其特征在于：步骤1：图像预处理。通过对待重建的图像进行预处理，生成一系列金字塔图像，如图2所示。设待处理图像为I，通过对图像I进行下采样得到一些列金字塔图像，记为I1，I2，I3，...，I
N
。其中，I
N
为最粗尺度的输入图像。I
n
＝Down(I)，n＝1，2，...，N上式中，Down表示下采样操作。步骤2：设计基于GAN(生成对抗网络)的无监督图像超分辨率重建网络，主要由N个尺度的生成对抗网络组成，每个生成对抗网络由生成器和判别器组成，生成器和判别器主要由卷积模块组成，卷积模块由卷积层和激活层组成。其特征在于：(1)本发明所设计的网络框架是一种金字塔结构，最粗尺度为N，最细尺度为1。第N个尺度的输入为I
N
的上采样。在第i个尺度的网络中，生成器的输入为生成器的输出为G
i
‑1，是由第i
‑
1个尺度的网络输出通过上采样后生成的，和G
i
‑1的尺寸一致。在最粗尺寸N的网络中，其输入是由I
N
通过上采样，生成生成的尺寸和I
N
‑1的尺寸一致。在第i个尺度的网络中，判别器由一系列卷积模块组成，其输入为G
i
‑1，监督信号为I
i
‑1。(2)本法所所设计的网络中，设第i个尺度网络中生成器和判别器中卷积模块个数为m，卷积模块由卷积层和激活层组成，则第i

【专利技术属性】
技术研发人员：宋清昆，武帅，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：