[發(fā)明專利]一種用于獲取盲超分辨率圖像的方法、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110251126.6
• 申請日: 2021-03-08
• 公開（公告）號: CN112927137A
• 公開（公告）日: 2021-06-08
• 發(fā)明（設(shè)計）人: 雷娜;李澤增;鄭曉朋;王勝法;羅鐘鉉
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 北京維昊知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11804
• 代理人: 李波;孫新國

1.一種用于獲取盲超分辨率圖像的方法，其特征在于，包括：

估計自然圖像退化過程中的圖像退化模型參數(shù)，其中所述圖像退化模型參數(shù)包括卷積核池和噪聲池；

根據(jù)所述圖像退化模型參數(shù)建立低分辨率-高分辨率的配對圖像數(shù)據(jù)集；

利用所述配對圖像數(shù)據(jù)集來訓(xùn)練和優(yōu)化圖像生成器；以及

基于所述配對圖像數(shù)據(jù)集和所述圖像生成器來訓(xùn)練和優(yōu)化圖像判別器，以獲得盲超分辨率圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，其中估計自然圖像退化過程中的圖像退化模型參數(shù)包括：

構(gòu)建所述自然圖像中由高分辨率圖像到低分辨率圖像退化的圖像退化模型；

利用線性卷積網(wǎng)絡(luò)學(xué)習(xí)所述圖像退化模型中的每個所述自然圖像的模糊核，以估計模糊核池；以及

根據(jù)相對方差選擇和子塊劃分來提取所述圖像退化模型中的所述自然圖像的噪聲分布，以估計噪聲池。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，其中建立低分辨率-高分辨率的配對圖像數(shù)據(jù)集包括：

根據(jù)隨機原則分別從所述模糊核池和所述噪聲池中隨機抽樣，以獲得目標(biāo)模糊核和目標(biāo)噪聲塊；以及

基于所述目標(biāo)模糊核、所述目標(biāo)噪聲塊以及所述圖像退化模型來針對已知高分辨率圖像進行降質(zhì)過程的模擬，以建立與其配對的低分辨率圖像。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，其中利用所述配對圖像數(shù)據(jù)集來訓(xùn)練和優(yōu)化圖像生成器包括：

在二次Wasserstein距離的約束下，將低分辨率圖像輸入所述圖像生成器來生成偽高分辨率圖像，以獲得所述圖像生成器的損失函數(shù)；以及

基于所述損失函數(shù)來訓(xùn)練圖像生成器。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，其中利用所述配對圖像數(shù)據(jù)集來訓(xùn)練和優(yōu)化圖像生成器還包括：

在所述損失函數(shù)中加入多種目標(biāo)損失，以對所述圖像生成器進行優(yōu)化。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，其中所述多種目標(biāo)損失包括對抗損失、邊界損失、像素損失和/或感知損失。

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，其中訓(xùn)練和優(yōu)化圖像判別器包括：

將偽高分辨率圖像和真高分辨率圖像輸入所述圖像判別器，以便獲取判別分值；

利用線性規(guī)劃和深度神經(jīng)網(wǎng)絡(luò)確定所述判別分值的數(shù)值解；以及

基于最優(yōu)傳輸原理和經(jīng)數(shù)值解確定的二次Wasserstein距離來訓(xùn)練和優(yōu)化圖像判別器。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，還包括：在圖像判別器中加入最優(yōu)傳輸正則項，以便對所述圖像判別器進行優(yōu)化。

9.一種用于獲取盲超分辨率圖像的設(shè)備，包括：

處理器；以及

與所述處理器相連接的存儲器，所述存儲器中存儲有計算機程序代碼，當(dāng)所述計算機程序代碼被所述處理器執(zhí)行時，使得所述設(shè)備執(zhí)行如權(quán)利要求1-8中任意一項所述的方法。

10.一種計算機可讀存儲介質(zhì)，其上存儲有用于獲取盲超分辨率圖像的計算機可讀指令，該計算機可讀指令被一個或多個處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1-8中任意一項所述的方法。