[發明專利]一種紅外圖像超分辨率重建方法

在審

• 申請號: 202011514281.4
• 申請日: 2020-12-21
• 公開（公告）號: CN112561799A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 胡蕾;李云洪;王足根;羅斌
• 申請（專利權）人: 江西師范大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04
• 代理公司: 南昌市平凡知識產權代理事務所 36122
• 代理人: 夏材祥

1.一種紅外圖像超分辨率重建方法，其特征在于，首先構建GAN網絡模型，然后對所構建的GAN網絡模型進行訓練，優化GAN網絡模型中的參數；

所述構建GAN網絡模型包括生成網絡、判別網絡和感知損失計算；所述生成網絡依次包括殘差密集網絡、漸進式上采樣、卷積模塊和tanh函數四個子模塊，用于生成高分辨率紅外圖像；所述判別網絡依次包括卷積神經網絡、全連接神經網絡(Dense)和Sigmoid激活函數三個子模塊，用于判斷生成高分辨率紅外圖像與原始高分辨率紅外圖像的相似性；所述感知損失計算由內容損失計算和對抗損失計算組成，感知損失計算的值等于內容損失計算的值與λ權重對抗損失計算的值之和，感知損失計算用于評判生成高分辨率紅外圖像與原始高分辨率紅外圖像之間的差異；

所述訓練GAN網絡模型是在訓練數據集準備、訓練數據集分批次處理的基礎上，對各批次圖像進行訓練，逐批次對模型參數更新，重復epoch次模型參數更新，利用整個訓練數據集對模型迭代訓練；

所述訓練數據集準備的過程為：利用收集的高分辨率紅外圖像數據集創建原始高分辨率圖像數據集HR，其圖像大小為n×n，HR下采樣r倍，得到低分辨率紅外圖像集LR，其圖像大小為(n/r)×(n/r)；

所述訓練數據集分批次處理的過程為：將LR和HR分批次處理，每批次包含batch_size幅圖像，一個批次的低分辨率圖像子集定義為LR_i，對應的高分辨率圖像子集定義為HR_i；

所述模型參數更新過程為：將一個批次的LR_i輸入成網絡和至生成網絡，生成網絡對應輸出生成高分辨率紅外圖像子集SR_i，其尺寸均為n×n；將SR_i與HR_i輸入到判別網絡中，輸出SR_i與HR_i相似的概率值；然后根據計算得到的感知損失更新生判別網絡參數，直到更新次數或感知損失達到閾值；接著取下一批次低分辨率紅外圖像子集LR_i+1重復模型參數更新過程，直到所有批次低分辨率紅外圖像子集處理完成；

所述模型迭代訓練過程為：將模型參數更新過程記為1次迭代次數，按原有訓練數據集分批次的圖像子集，對網絡模型進行epoch次迭代，得到最終的生成網絡模型。