【技术实现步骤摘要】
本专利技术涉及一种基于残差生成网络的图像超分辨率重建方法，属于图像重建。
技术介绍
1、图像超分辨率重建是机器视觉领域的一个经典应用，它的含义是从一个低分辨率的输入图像中重建出一个高分辨率的输出图像，通过对数字图像的信号进行分析并且采用软件算法，将一帧或多帧图像重建成分辨率更高的图像或视频。它在监控设备视频通信编码、视频复原、卫星成像遥感、数字高清影像、医学图像处理等方面有着广泛的应用。
2、在深度学习的知识背景下，基于深度学习方法的图像超分辨率重建算法不断涌现，参数的调整是深度学习网络训练的重要一环，有的网络模型中所含参数量过大，导致无法很好地应用到实际之中。为解决这一问题，满开亮等人使用全局特征复用块对多层特征进行重组与综合利用，基于稠密残差网络，提出了erdn算法，使得模型参数量大幅减少，同时提高了重建质量。在之前研究所得的经验中，一般网络层数越深，所得出的效果越好，但随之而来的就是巨大的计算量。近期的工作中，为了在保持网络深度不增加的状态下提升网络的多样性，li等人提出增加残差块残差函数的种类的多尺度残差网络，使得网...
【技术保护点】
1.一种基于残差生成网络的图像超分辨率重建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于残差生成网络的图像超分辨率重建方法，其特征在于，所述像素级MAE损失的表达式如下：
3.根据权利要求1所述的基于残差生成网络的图像超分辨率重建方法，其特征在于，所述VGG损失通过使用预先训练好的VGG19网络提取高级特征，利用高级特征进行定义，VGG损失的表达式如下：
4.根据权利要求1所述的基于残差生成网络的图像超分辨率重建方法，其特征在于，所述生成损失的表达式如下：
5.根据权利要求1所述的基于残差生成网络的图像超...
【技术特征摘要】
1.一种基于残差生成网络的图像超分辨率重建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于残差生成网络的图像超分辨率重建方法，其特征在于，所述像素级mae损失的表达式如下：
3.根据权利要求1所述的基于残差生成网络的图像超分辨率重建方法，其特征在于，所述vgg损失通过使用预先训练好的vgg19网络提取高级特征，利用高级特征进行定义，vgg损失的表达式如下：
4.根据权利要求1所述的基于残差生成网络的图像超分辨率重建方法，其特征在于，所述生成损失的表达式如下：
5.根据权利要求1所述的基于残差生成网络的图像超分辨率重建方法，其特征在...
【专利技术属性】
技术研发人员：于文学，周国祥，尤敏捷，操星，徐姣，平红，
申请(专利权)人：江苏征途技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。