[發明專利]一種圖像下采樣方法

在審

• 申請號: 201811145969.2
• 申請日: 2018-09-29
• 公開（公告）號: CN109242919A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 劉東;李躍;李厚強;吳楓
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06T9/00
• 分類號: G06T9/00
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;鄭哲

1.一種圖像下采樣方法，其特征在于，包括：

基于數據驅動訓練下采樣濾波器：a、通過傳統下采樣方法對原圖像塊進行下采樣；b、通過卷積神經網絡對原圖像塊像進行下采樣；c、對卷積神經網絡的下采樣結果進行上采樣得到重建圖像塊；d、利用傳統下采樣方法的下采樣結果以及卷積神經網絡的下采樣結果得到正則化項損失函數，利用重建圖像塊及相應的原圖像塊得到重建項損失函數，再結合正則化項損失函數與重建項損失函數獲得總的損失函數；e、結合總的損失函數利用反向傳播算法更新下采樣濾波器參數；

利用訓練好的下采樣濾波器對輸入圖像做下采樣處理。

2.根據權利要求1所述的一種圖像下采樣方法，其特征在于，所述的原圖像塊是指對訓練集進行預處理后的圖像塊；所述訓練集是指包含圖像的數據集，預處理時將每一圖像圖裁剪成大小相等的圖像塊。

3.根據權利要求1或2所述的一種圖像下采樣方法，其特征在于，所述傳統下采樣方法包括：雙三次插值下采樣、雙線性插值下采樣及最近鄰下采樣；將傳統下采樣方法的映射函數記為F，則傳統下采樣方法的下采樣結果為F(x_i)，其中的x_i表示第i個圖像塊。

4.根據權利要求1或2所述的一種圖像下采樣方法，其特征在于，所述卷積神經網絡為能夠改變圖像分辨率的任意結構形式；所述通過卷積神經網絡對原圖像塊像進行下采樣時，卷積神經網絡將傳統下采樣方法的下采樣結果輸入至卷積神經網絡的最后一層的輸出中，將卷積神經網絡的映射函數記為f，參數記為θ_f，則卷積神經網絡的下采樣結果為f(x_i；θ_f)，其中的x_i表示第i個圖像塊。

5.根據權利要求1或2所述的一種圖像下采樣方法，其特征在于，所述對卷積神經網絡的下采樣結果進行上采樣得到重建圖像塊包括：

對卷積神經網絡的下采樣結果f(x_i；θ_f)進行雙線性插值操作，得到重建圖像塊，將雙線性插值操作的映射函數記為g，則重建圖像塊為g(f(x_i；θ_f))，其中的x_i表示第i個圖像塊，θ_f為卷積神經網絡的參數。

6.根據權利要求1或2所述的一種圖像下采樣方法，其特征在于，所述利用傳統下采樣方法的下采樣結果以及卷積神經網絡的下采樣結果得到正則化項損失函數，表示為：

所述利用重建圖像塊及相應的原圖像塊得到重建項損失函數，表示為：

則結合正則化項損失函數與重建項損失函數獲得總的損失函數，表示為：

其中，F(x_i)、f(x_i；θ_f)、g(f(x_i；θ_f))依次為傳統下采樣方法的下采樣結果、卷積神經網絡的下采樣結果、重建圖像塊；x_i表示第i個圖像塊，θ_f為卷積神經網絡的參數，N表示圖像塊總數，α是一個預先給定的正數。

7.根據權利要求6所述的一種圖像下采樣方法，其特征在于，所述結合總的損失函數利用反向傳播算法更新下采樣濾波器參數，表示為：