[發明專利]一種基于小波變換和卷積神經網絡的圖像超分辨率重建方法

在審

• 申請號: 201710227448.0
• 申請日: 2017-04-10
• 公開（公告）號: CN106991648A
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 任鵬;孫文健;王廷偉
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/02;G06F17/15;G06F17/14
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于小波變換和卷積神經網絡的圖像超分辨率重建方法，其特征在于，所述圖像超分辨率重建方法包括以下步驟：

步驟一：將訓練數據集中的高分辨率圖像I_h進行高斯濾波以及降采樣處理生成對應的低分辨率圖像I_l；

步驟二：將訓練數據集中的高分辨率圖像I_h按照公式(1)做單尺度二維離散小波變換以提取其低頻分量F_LL、水平低頻垂直高頻成分F_LH、水平高頻垂直低頻成分F_HL和對角方向高頻分量F_HH等四個頻率成分：

$\begin{array}{c}{F}_{LL}={\mathrm{HI}}_h{H}^{*}\\ F_{LH}={\mathrm{GI}}_h{H}^{*}\\ F_{HL}={\mathrm{HI}}_h{G}^{*}\\ F_{HH}={\mathrm{GI}}_h{G}^{*}\end{array}---\left(1\right)$

H和G分別為一維尺度函數和一維小波函數對應的濾波器系數矩陣，且H和G滿足HH^*+GG^*＝I，上標符號^*表示矩陣的共軛轉置；

步驟三：以步驟一中得到的低分辨率圖像I_l作為輸入數據，以步驟二中得到的高分辨率圖像I_h的低頻分量F_LL、水平低頻垂直高頻成分F_LH、水平高頻垂直低頻成分F_HL和對角方向高頻分量F_HH分別作為標簽，訓練四個卷積神經網絡模型；

步驟四：將測試低分辨率圖像I_l輸入四個經訓練得到的卷積神經網絡模型中以生成高分辨率圖像的低頻分量F_LL、水平低頻垂直高頻成分F_LH、水平高頻垂直低頻成分F_HL和對角方向高頻分量F_HH。如公式(2)所示：

I_h＝H^*F_LLH+G^*F_LHH+H^*F_HLG+G^*F_HHG (2)

對高分辨率圖像的四個頻率成分做單尺度二維離散小波反變換生成高分辨率圖像I_h。