[發明專利]基于稀疏自編碼網絡與極速學習的圖像超分辨重建方法

有效

• 申請號: 201710589217.4
• 申請日: 2017-07-19
• 公開（公告）號: CN107392855B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 王敏;王勇
• 申請（專利權）人: 蘇州聞捷傳感技術有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06K9/62
• 代理公司: 蘇州翔遠專利代理事務所(普通合伙) 32251
• 代理人: 劉計成

1.一種基于稀疏自編碼網絡與極速學習的圖像超分辨重建方法，其特征在于，包括有如下步驟：

步驟1：輸入訓練樣例圖像對，用重疊的方式將低分辨率訓練樣例圖像分割為大小為的低分辨率訓練樣例圖像塊并拉成向量用相同的方式將高分辨率訓練樣例圖像分割為與低分辨率訓練樣例圖像塊相對應的大小為的高分辨率訓練樣例圖像塊并拉成向量其中n表示低分辨率訓練樣例圖像塊向量的維度，N表示高分辨率和低分辨率訓練樣例圖像塊的規模，s表示上采樣倍數；

步驟2：將低分辨率訓練樣例圖像塊向量輸入到稀疏自編碼網絡中，得到第一層輸出稀疏權重矩陣W₁，將低分辨率訓練樣例圖像向量與權值矩陣W₁的轉置矩陣W₁^T相乘并通過非線性函數g得到第一層稀疏特征其中

步驟3：將第一層稀疏特征輸入到稀疏自編碼網絡中，得到第二層輸出稀疏權重矩陣W₂，將第一層稀疏特征與權值矩陣W₂的轉置矩陣相乘并通過非線性函數g得到第二層稀疏特征其中

步驟4：以第二層稀疏特征作為輸入，對應的高分辨率訓練樣例圖像塊向量為輸出訓練極速學習機網絡，得到極速學習機輸出權重W_3o，其中極速學習機的隨機初始化權重為W_3i；

步驟5：輸入待超分辨率重建的低分辨率測試圖像X，按重疊的方式分割成大小為的圖像塊并拉成向量形成低分辨率測試圖像向量M表示低分辨率測試圖像向量的規模；

步驟6：將低分辨率測試圖像向量輸入到第一層稀疏自編碼器得到第一層稀疏特征其中

步驟7：將第一層稀疏特征輸入第二層稀疏自編碼器得到第二層稀疏特征其中

步驟8：將第二層稀疏特征輸入到極速學習機中，經過隨機初始化權重為W_3i隨機投影為hⁱ，其中將隨機投影經過極速學習機輸出權重W_3o投影到高分辨率像素空間如

步驟9：將高分辨率圖像塊集中的所有高分辨率圖像輸出小塊按順序放到待重構的高分辨率圖像的對應位置上，得到最終的高分辨率圖像Y^*。