[發明專利]一種基于生成對抗網絡的無監督超分辨率重建方法

在審

• 申請號: 202011343796.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112365405A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 李浪;陶洋
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于生成對抗網絡的無監督超分辨率重建方法，其特征在于，包含以下幾個步驟：

S1：獲取原始低分辨率圖像x₀，尺寸為H×W；

S2：將S1得到的進行多次下采樣，形成多層次訓練數據集，表示為{x₀,x₁,…,x_N}；

S3：在S2基礎上，利用生成對抗網絡G生成訓練圖像，在生成器中，引入通道注意力機制和密集殘差結構；

S4：在S3的基礎上，將生成器生成的圖像送入對抗器D進行對抗訓練，判別生成圖像和原始圖像的接近程度，直至分不出兩者的區別為止；

S5：結合S3、S4中的生成對抗網絡，下一層的輸出上采樣之后的作為上一層的輸入設計金字塔網絡進行訓練，不斷優化各卷積層參數，得到圖像的分布λ_n和x_n分布λ_n之間的關系；

S6：利用S5訓練出來的模型，在0層輸入原始低分辨率圖像LR，輸出高分辨率重建圖像HR。

2.一種基于生成對抗網絡的無監督超分辨率重建方法，其特征在于，所述步驟S1中：

獲取的原始圖像的尺寸，形成H×W的矩陣x₀，作為后續的訓練對象。

3.一種基于生成對抗網絡的無監督超分辨率重建方法，其特征在于，所述步驟S2中：

將原始數據進行雙插值下采樣降維，形成數據集{x₀,x₁,…,x_n}。數據集作為后續每一層的目標訓練對象。

4.一種基于生成對抗網絡的無監督超分辨率重建方法，其特征在于，所述步驟S3中：

設計生成對抗網絡的生成器G，每層共有7個卷積網絡，其中第n層生成器包含兩個輸入，分別是隨機噪聲輸入和圖像信號第n層對抗器的輸入是生成器生成的圖像和真實下采樣圖像x_n。首先將信號輸入生成器的卷積神經網絡中進行圖像生成，卷積神經網絡包含殘差密集連接結構，每個隱含層包含一個注意力機制網絡，對不同通道的信號進行加權。其中，殘差密集連接為每一個卷積層都和后面的所有卷積層相連，充分發揮特征重用的能力；對于每一個卷積層，使用不降維的注意力機制網絡，有效避免降維帶來的特征消失。在所有的卷積層中，都不使用BN歸一化操作。

5.一種基于生成對抗網絡的無監督超分辨率重建方法，其特征在于，所述步驟S4中：

設計生成對抗網絡的對抗器D，第n層對抗器的輸入包含兩個部分，分別是生成器生成的圖像和下采樣得到的目標圖像x_n，兩者根據博弈論的思想進行對抗訓練。根據博弈所得損失L更新生成器參數。

6.一種基于生成對抗網絡的無監督超分辨率重建方法，其特征在于，所述步驟S5中：

設計金字塔網絡結構，相鄰網絡進行連接，下一層訓練好的對抗器的輸出上采樣之后作為上一層的輸入利用下一層得到的信息，對上一層的參數進行微調。

7.一種基于生成對抗網絡的無監督超分辨率重建方法，其特征在于，所述步驟S6中：

將需要超分辨率重建的原始低分辨率圖像輸入網絡的第0層，輸出高分辨率重建圖像HR。