一种基于深度学习的视频图像超分辨率恢复系统技术方案

本发明专利技术公开了一种基于深度学习的视频图像超分辨率恢复系统，涉及图像恢复技术领域；包括如下步骤：步骤一：空间金字塔结构；步骤二：基于空间金字塔结构的帧对齐模块；步骤三：基于双向卷积LSTM的帧融合模块；四、基于RaGAN的超分；本发明专利技术便于将视频进行超分辨率的恢复重建，使生成的图像既保留了原有的特征信息，又可以比普通卷积网络生成的图像具有更逼真的纹理和更清晰的细节；能够生成更加真实的图像，且效率高，能节省大量的时间。能节省大量的时间。能节省大量的时间。

【技术实现步骤摘要】
一种基于深度学习的视频图像超分辨率恢复系统


[0001]本专利技术属于图像恢复
，具体涉及一种基于深度学习的视频图像超分辨率恢复系统。

技术介绍

[0002]在图像和视频中，有一个非常重要的指标—分辨率。具体来说，图像是由像素点组成的，分辨率是指图像中有多少个像素点。因此，分辨率越高的图像，所包含的像素就越多，画面越精细，图像就越清晰，包含的信息就越多。现实中，要想获得分辨率高的图像，需要高级的摄影装备、良好的拍摄环境和相对较大的存储空间。目前基于深度学习视频超分辨率重建是一个非常热门的探索方向。充分利用帧与帧之间的特性，利用深度学习进行对视屏图像进行超分辨率重建将会进一步完善超分辨重建技术中的缺陷，使重构出的视频图像有更好的视觉效果，但是现有的基于深度学习的视频图像超分辨率恢复系统恢复效率低，有时会出现无法完成的现象。

技术实现思路

[0003]为解决
技术介绍
的问题；本专利技术的目的在于提供一种基于深度学习的视频图像超分辨率恢复系统。
[0004]本专利技术的一种基于深度学习的视频图像超分辨率恢复系统，包括如下步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的视频图像超分辨率恢复系统，其特征在于：包括如下步骤：步骤一：空间金字塔结构：通过金字塔结构，网络生成一个固定长度的图像，而无序考虑图像的大小和宽高比，且加入这一结构对于图像中的物体变形也具有了更强的鲁棒性；将这样一个结构放到网络的卷积层和全连接层之间，将前一层网络输出过来的特征图划分为16、4、1份；步骤二：基于空间金字塔结构的帧对齐模块：网络输入为当前帧和前后两帧共五帧图像，对于这五帧图像，采用金字塔结构，对它们进行对齐；帧对齐模块采用全卷积，卷积方式为普通卷积；使用金字塔级联结构；步骤三：基于双向卷积LSTM的帧融合模块：帧融合模块采用了两层双向卷积LSTM结构，包括第一层卷积LSTM及第二层卷积LSTM，第一层卷积LSTM及第二层卷积LSTM均包括5个细胞；将帧对齐模块中得到的5张特...

【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：