[發明專利]基于cGAN算法的圖像超分辨恢復技術

在審

• 申請號: 201710368897.7
• 申請日: 2017-05-23
• 公開（公告）號: CN107274358A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 劉怡俊;劉洋
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T3/40;G06N3/02
• 代理公司: 廣東廣信君達律師事務所44329
• 代理人: 楊曉松

1.一種基于cGAN算法的圖像超分辨恢復方法，其特征在于：利用了cGAN模型網絡對圖像的超分辨恢復，包括如下步驟：

(1)制作訓練集及圖像集；

(2)設計神經網絡并進行調整；

(3)進行訓練；

(4)得到模型進行測試。

2.根據權利要求1所述的基于cGAN算法的圖像超分辨恢復方法，其特征在于：所述步驟(1)具體為：

11)通過python編寫代碼；

12)下載超分辨研究常用的圖像；

13)利用上述代碼對圖像進行分割成統一的大小；對13)得到的圖像進行低分辨處理得到兩份圖像分別是低分辨和原始高分辨圖像。

3.根據權利要求2所述的基于cGAN算法的圖像超分辨恢復方法，其特征在于：所述步驟(2)具體為：

21)通過Python設計神經網絡深度卷積對抗神經網絡DCGAN；主要部分包括生成器網絡和判別器網絡；

22)在傳統的DCGAN基礎上進行修改并調整，在生成器網絡上添加卷積連接反卷積；

23)該判別網絡的輸入可以是圖像而不是隨機特征。

4.根據權利要求3所述的基于cGAN算法的圖像超分辨恢復方法，其特征在于：所述步驟(3)具體為：

利用谷歌深度學習平臺Tensorflow對得到的數據集和網絡進行訓練，首先生成器生成圖像給判別器進行判斷，然后得到權值反饋給生成器繼續生成更好的圖像，以此反復生成-訓練-生成；設置較少的訓練次數，得到模型進行測試觀察效果如何，再增加訓練次數觀察結果是否有所提升。

5.根據權利要求4所述的基于cGAN算法的圖像超分辨恢復方法，其特征在于：所述步驟(4)具體為：測試是不斷重復的過程，上述步驟(3)調整訓練次數得到的模型然后進行測試，以得到滿意的結果。