[發明專利]一種圖像盲超分辨率方法及系統

有效

• 申請號: 202110471824.7
• 申請日: 2021-04-29
• 公開（公告）號: CN113139904B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 邱明;吳國麗;許全星;黃世雄
• 申請（專利權）人: 廈門大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 張琳麗

1.一種圖像盲超分辨率方法，其特征在于，包括：

獲取經訓練的模糊核生成網絡以及低分辨率圖像的頻譜圖；

將所述頻譜圖輸入所述經訓練的模糊核生成網絡，得到所述低分辨率圖像對應的模糊核；

根據所述低分辨率圖像對應的模糊核確定所述低分辨率圖像對應的退化特征圖；

將所述低分辨率圖像與其對應的退化特征圖進行拼接，得到拼接圖；

將拼接圖輸入經訓練的卷積神經網絡，得到高分辨率圖像；

其中，所述根據所述低分辨率圖像對應的模糊核確定所述低分辨率圖像對應的退化特征圖，具體包括：

采用主成分分析法對所述低分辨率圖像對應的模糊核進行降維；

采用維度拉伸策略將降維后的模糊核拉伸到與所述低分辨率圖像相同大小，得到所述退化特征圖；

在所述獲取經訓練的模糊核生成網絡以及低分辨率圖像的頻譜圖之前，還包括：

步驟1-1：根據公式1對低分辨率圖像I_LR進行灰度化處理，得到灰度圖I_LR-Gray，

Gray(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y) (1)

其中，R(x,y)、G(x,y)、B(x,y)分別為低分辨率圖像I_LR的位置(x,y)上的紅、綠、藍三個通道的分量，Gray(x,y)為低分辨率圖像I_LR的位置(x,y)的灰度值；

步驟1-2：使用二維離散傅里葉變換將灰度圖I_LR-Gray從空間域轉換到頻率域，二維離散傅里葉變換公式如2所示：

其中，f(x,y)是大小為M×N的灰度圖I_LR-Gray，u＝0,1,2,…,M-1，v＝0,1,2,…,N-1；u和v是頻率變量，x和y是空間域圖像變量，F(u,v)為f(x,y)的二維傅里葉變換，F(u,v)是復數，用極坐標形式來表示如公式3所示：

F(u,v)＝R(u,v)+jI(u,v) (3)

其中，R(u,v)為F(u,v)的實部，I(u,v)為F(u,v)的虛部，根據公式4得到頻譜圖F|u,v|，

步驟1-3：對頻譜圖F|u,v|進行中心化處理，將頻譜圖平均分為四個部分，并交換其左上部分和右下部分，以及右上部分和左下部分，使頻譜圖的低頻部分移至頻譜中心，原點也移至頻譜的中心，得到F|u,v|_center；

步驟1-4：對中心化后的頻譜圖F|u,v|_center進行對數變換，得到低分辨率圖像頻譜圖F_LR，其中，對數變換公式如5所示：

F_LR＝log(1+F|u,v|_center) (5)。

2.根據權利要求1所述的圖像盲超分辨率方法，其特征在于，所述經訓練的卷積神經網絡為稠密卷積神經網絡，所述稠密卷積神經網絡包括依次連接的卷積層、深度網絡和上采樣卷積層，所述深度網絡包括多個依次連接的深度轉化單元，所述深度轉化單元包括依次連接的深度模塊和轉化模塊，所述深度模塊通過稠密連接結構實現特征復用，所述轉化模塊用于對所述深度模塊的輸出進行特征維度的非線性變換以提取固定數量通道的特征。

3.根據權利要求1所述的圖像盲超分辨率方法，其特征在于，在獲取低分辨率圖像的頻譜圖之前，還包括：

采用傅里葉變換將所述低分辨率圖像從空間域轉換到頻率域，得到所述低分辨率圖像的頻譜圖。

4.根據權利要求1所述的圖像盲超分辨率方法，其特征在于，所述經訓練的模糊核生成網絡包括多層依次連接的卷積層和一層全局池化層。