[發明專利]一種基于超分辨率重建的模糊圖像分類方法

在審

• 申請號: 202110713780.4
• 申請日: 2021-06-26
• 公開（公告）號: CN113344110A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 李俊峰;胡捷;李筱
• 申請（專利權）人: 浙江理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 杭州中成專利事務所有限公司 33212
• 代理人: 金祺

1.一種基于超分辨率重建的模糊圖像分類方法，其特征在于，包括步驟如下：

步驟1、在上位機中，對原始高分辨率圖像指定類別標簽，然后將原始高分辨率圖像進行高斯平滑后再進行下采樣，獲得帶有標簽的低分辨率圖像作為步驟2的輸入；

步驟2、構建融合模型，包括串聯的超分辨率重建模型和分類模型，超分辨率重建模型包括串聯的生成模型和鑒別模型；

步驟3、分別建立超分辨率重建模型和分類模型的損失函數，利用訓練集來訓練步驟2建立的融合模型，利用測試集測試融合模型獲得具有在線生產能力的融合模型。

2.根據權利要求1所述的一種基于超分辨率重建的模糊圖像分類方法，其特征在于：

步驟2中所述生成模型包括：首先使輸入的圖像數據經過一層尺寸為9，步長為1的卷積層，并采用PReLU作為激活函數，然后再利用16層殘差卷積層提取低分辨率圖像的特征，使殘差塊的輸出經過一層3×3的卷積層并進行歸一化處理；最后對輸出數據加上第一層9×9卷積層的輸出后，根據原始高分辨率圖像與對應的低分辨率圖像的放大倍數的一半設置上采樣層的層數，并對上采樣塊的輸出通過一層9×9卷積層從64通道縮小到3通道內。

3.根據權利要求2所述的一種基于超分辨率重建的模糊圖像分類方法，其特征在于：

步驟2中所述鑒別模型為：輸入的圖像經過8層3×3卷積層再經過一層1×1卷積層和二維池化層，最終輸出得到鑒別分類結果，前八層的卷積層采用PReLU作為激活函數，二維池化層采用sigmoid作為激活函數，除第一層的3×3卷積層和第九層的1×1卷積層其余卷積層后都進行批規范化BN層處理；

步驟2中所述分類模型為殘差網絡ResNet50。

4.根據權利要求3所述的一種基于超分辨率重建的模糊圖像分類方法，其特征在于：

步驟1中所述下采樣的方式為：

P_k＝∑_i∈kI_i/(w×h) (1)

其中，k為尺寸為w*h的窗口，P_k為生成的像素點，I_i為原始高分辨率圖像的像素點；

所述帶有標簽的低分辨率圖像帶有標簽之一為對應的原始高分辨率圖像，帶有的標簽之二為對應的原始高分辨率圖像的類別標簽。

5.根據權利要求4所述的一種基于超分辨率重建的模糊圖像分類方法，其特征在于：

所述生成模型中的卷積層是對讀入的圖像數據或上一層輸出用卷積核進行卷積操作，3×3卷積核為：

其中，為卷積核輸出圖像位置為(u,v)的像素點，為卷積核輸入圖像位置為(i+u,j+v)的像素點，為卷積核對應位置的權重，b^(l+2)為卷積核對應位置的偏置，i為相對卷積核中心的橫向位置，j為相對卷積核中心的縱向位置，l為卷積核所在卷積層序數，u為卷積核中心的橫向位置，v為為卷積核中心的縱向位置，i、j、l、u、v均只能取整數，9×9卷積核將i，j的取值范圍由[-1,1]改為[-4,4]，f_a()為激活函數：

其中，x為激活函數的輸入，a為激活函數負向的斜率。

6.根據權利要求5所述的一種基于超分辨率重建的模糊圖像分類方法，其特征在于：

步驟3中所述訓練集和測試集的建立過程為：獲取基礎數據集并按8：2的比例劃分為訓練集和測試集，然后將基礎數據集中的原圖像插值成原始高分辨率圖像并進行兩次所述下采樣獲得低分辨率圖像。