[發明專利]基于特征分離的超分辨率圖像生成方法、裝置、設備和介質

有效

• 申請號: 202110946412.4
• 申請日: 2021-08-18
• 公開（公告）號: CN113658046B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 溫峻峰;張浪文;李鑫;杜海江;江志偉;謝巍;楊曉峰
• 申請（專利權）人: 中科天網（廣東）科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06V10/40;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李君

1.一種基于特征分離的超分辨率圖像生成方法，其特征在于，所述方法包括：

獲取訓練數據集；其中，所述訓練數據集中的圖像對包括低分辨率的圖像和對應的清晰圖像；

利用網絡模型中的特征提取子網絡對所述低分辨率的圖像進行特征提取，得到圖像特征；

利用網絡模型中的特征分離與重組子網絡對所述圖像特征進行深層特征提取，得到深層特征；所述特征分離與重組子網絡包括n個特征分離模塊、n個特征變換模塊以及特征重組模塊，n為大于1的正整數，其中：

所述特征分離模塊對輸入的圖像特征進行處理，得到第一特征分量和第二特征分量，將第二特征分量輸入所述特征變換模塊；

將所述特征變換模塊輸出的變換特征作為特征分離模塊的輸入，重復上述操作n-1次；

將得到的所有第一特征分量和第n個特征變換模塊輸出的變換特征利用所述特征重組模塊進行特征重組，得到深層特征；

利用網絡模型中的圖像重構子網絡對所述圖像特征和所述深層特征進行特征疊加，得到高分辨率圖像；

根據所述高分辨率圖像和所述低分辨率的圖像對應的訓練數據集中的清晰圖像，優化網絡模型的損失函數，實現網絡模型的收斂，得到訓練好的網絡模型；

將待測的圖像輸入所述訓練好的網絡模型，生成具有較多細節的超分辨率圖像。

2.根據權利要求1所述的超分辨率圖像生成方法，其特征在于，所述利用網絡模型中的特征分離與重組子網絡對所述圖像特征進行深層特征提取，得到深層特征，具體包括：

當i為1時，利用所述特征分離模塊i對輸入圖像進行處理，得到兩個特征分量F_i¹和F_i²；將特征分量F_i¹輸入所述特征重組模塊，同時將特征分量F_i²輸入特征變換模塊i；利用所述特征變換模塊i對所述特征分量F_i²進行特征變換，得到變換特征i；其中，所述輸入圖像為所述圖像特征；

當i為大于1且小于或等于n的正整數時，利用所述特征分離模塊i對輸入圖像進行處理，得到兩個特征分量F_i¹和F_i²；將特征分量F_i¹輸入所述特征重組模塊，同時將特征分量F_i²輸入特征變換模塊i；利用所述特征變換模塊i對所述特征分量F_i²進行特征變換，得到變換特征i；其中，所述輸入圖像為變換特征i-1；

利用所述特征重組模塊對所有的特征分量F_s¹和變換特征n進行特征重組，得到深層特征；其中，s＝1,2,...,n。