[發(fā)明專利]一種基于分組連接網(wǎng)絡(luò)的圖像超分辨率重建方法有效
| 申請(qǐng)?zhí)枺?/td> | 202110174059.2 | 申請(qǐng)日: | 2021-02-07 |
| 公開(公告)號(hào): | CN112907446B | 公開(公告)日: | 2022-06-07 |
| 發(fā)明(設(shè)計(jì))人: | 李劼;任春輝;付毓生 | 申請(qǐng)(專利權(quán))人: | 電子科技大學(xué) |
| 主分類號(hào): | G06T3/40 | 分類號(hào): | G06T3/40;G06N3/04;G06N3/08 |
| 代理公司: | 成都點(diǎn)睛專利代理事務(wù)所(普通合伙) 51232 | 代理人: | 孫一峰 |
| 地址: | 611731 四川省*** | 國(guó)省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 分組 連接 網(wǎng)絡(luò) 圖像 分辨率 重建 方法 | ||
1.一種分組連接網(wǎng)絡(luò)的圖像超分辨率重建方法,其特征在于,包括以下步驟:
S1、選取n張圖像作為訓(xùn)練集{PH1,PH2,...,PHn},下標(biāo)H表示圖像為高分辨率圖像;
S2、對(duì)訓(xùn)練集進(jìn)行預(yù)處理:隨機(jī)提取訓(xùn)練集每張圖像中大小為100×100的像素區(qū)域,圖像像素區(qū)域小于100則用0補(bǔ)齊不足區(qū)域,然后對(duì)這些像素區(qū)域進(jìn)行下采樣,得到對(duì)應(yīng)的低分辨率圖像集{PL1,PL2,...,PLn};
S3、構(gòu)建卷積神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)從輸入到輸出依次包括第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層、第六卷積層、第七卷積層、反卷積層;其中,
所述第一卷積層的輸入為低分辨率圖像集,第一卷積層輸出的特征圖像分為數(shù)量相等的兩組,其中一組不變,另一組再細(xì)分為4個(gè)小組,分別定義為A組特征圖像、B組特征圖像、C組特征圖像、D組特征圖像;
所述第二卷積層是通過(guò)第一層第一組特征圖像進(jìn)行卷積,得到的特征圖像再等分為兩組,其中一組直接以跳躍連接的方式傳至第六層,第一層中的A組特征圖像以跳躍連接的方式與另一組結(jié)合,形成一組新的特征圖像;
所述第三卷積層對(duì)第二卷積層中一組新的特征圖像進(jìn)行卷積,得到的特征圖像再等分為兩組,其中一組直接以跳躍連接的方式傳至第六層,第一層中的B組特征圖像以跳躍連接的方式與另一組結(jié)合,形成一組新的特征圖像;
所述第四卷積層與第三卷積層的操作一致,第一層中的C組特征圖像以跳躍連接的方式與其中一組結(jié)合,形成一組新的特征圖像;
所述第五卷積層與第三卷積層的操作一致,第一層中的D組特征圖像以跳躍連接的方式與其中一組結(jié)合,形成一組新的特征圖像;
所述第六卷積層將第五卷積層所得到的一組新的特征圖像進(jìn)行卷積,并將前四層以跳躍連接的方式傳遞到第六卷積層的特征圖像進(jìn)行組合,得到一組新的特征圖像;
所述第七卷積層將第六卷積層所得到的特征圖像進(jìn)行卷積,得到一組新的特征圖像;
所述反卷積層將第七卷積層所得到的特征圖像進(jìn)行反卷積,得到與差值放大后的低分辨率圖像等大的特征圖像;
最后將反卷積層得到的特征圖像與插值放大后的低分辨率圖像按對(duì)應(yīng)像素點(diǎn)位置相加的方式進(jìn)行組合,得到超分辨率圖像;
網(wǎng)絡(luò)中每一次卷積后采用tanh函數(shù)作為激活函數(shù);
S4、對(duì)構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,具體為:設(shè)置目標(biāo)圖像為殘差圖像,通過(guò)將低分辨率圖像集利用雙線性插值法放大至與訓(xùn)練集中對(duì)應(yīng)圖像等大,得到放大的低分辨率圖像集{PIL1,PIL2,...,PILn},將放大的低分辨率圖像集與提取的像素區(qū)域中對(duì)應(yīng)的圖像的對(duì)應(yīng)位置的像素值相減,得到殘差圖像集{PR1,PR2,...,PRn};將輸入低分辨率圖像PLi到網(wǎng)絡(luò)中后所獲得的輸出圖像POi與對(duì)應(yīng)的殘差圖像PRi比較,得到均方差將均方差作為網(wǎng)絡(luò)的損失函數(shù),對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行更新,從而獲得訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò);
S5、利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像的超分辨率重建,具體為:
S51、將需要超分辨率重建的圖像PL作為輸入圖像,輸入卷積神經(jīng)網(wǎng)絡(luò)后得到輸出圖像PO;
S52、對(duì)圖像PL利用雙三次插值法放大至與圖像PO等大,獲得放大后的圖像PIL;
S53、將PIL與PO對(duì)應(yīng)的像素點(diǎn)的像素值進(jìn)行相加,得到超分辨率圖像PS。
2.根據(jù)權(quán)利要求1所述的一種分組連接網(wǎng)絡(luò)的圖像超分辨率重建方法,其特征在于,所述的所有卷積層的卷積核為3×3的卷積核,第七卷積層為5×5的卷積核。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于電子科技大學(xué),未經(jīng)電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110174059.2/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點(diǎn)網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲(chǔ)介質(zhì)及移動(dòng)終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復(fù)網(wǎng)絡(luò)地址自動(dòng)恢復(fù)的方法、網(wǎng)絡(luò)設(shè)備及其存儲(chǔ)介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、裝置及存儲(chǔ)介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置





