[發明專利]一種基于雙邊生成對抗網絡的線掃描圖像超分辨率方法

在審

• 申請號: 202211596530.8
• 申請日: 2022-12-12
• 公開（公告）號: CN115984106A
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 田昕;饒佳豪;肖瀅;劉芮
• 申請（專利權）人: 武漢大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T5/50;G06N3/0464;G06N3/048;G06N3/0455;G06N3/0475;G06N3/094;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

本發明提出了一種基于雙邊對抗生成網絡的線掃描圖像超分辨率方法。通過將線掃描圖像送入去噪網絡去除線掃描圖像包含的條紋噪聲，然后送入融合網絡充分融合線掃描圖像的潛在信息，最后通過解碼器重構得到高質量的高分辨率圖像。在整個過程中，統一加權損失函數的設計使得去除圖像噪聲和提高圖像質量之間保持了有效平衡，充分解決了圖像超分辨率包含噪聲、質量不佳等問題。

技術領域

本發明屬于圖像超分辨率領域，涉及一種基于雙邊生成對抗網絡的線掃描圖像超分辨率方法，適用于復雜成像環境的圖像超分辨率場景。

背景技術

圖像超分辨率是指從退化的低分辨率圖像中恢復高分辨率圖像，該技術是計算機視覺、醫學圖像處理、科學計算等許多領域的共性科學問題和核心技術。

傳統的圖像超分辨率方法是基于插值的，比如最近鄰插值、雙線性插值、雙三次插值等。但它無法充分建立從低分辨率圖像到高分辨率圖像的映射。為了解決這一問題，許多人嘗試提出了有效的改進辦法。基于重構模型的算法通過添加圖像的先驗知識作為約束，使得高分辨率圖像重建中的病態問題得到一定程度解決。Rasti等人[1]提出了一種迭代反投影，通過模擬低分辨率圖像和觀察圖像之間的差異獲得高分辨率圖像。Dong[2]等人提出了一種具有結構稀疏性的非局部低秩正則化方法。隨著深度學習的迅速發展，不少學者利用深度學習來提高圖像超分辨率的性能。Shi[3]等人提出了高效亞像素卷積網絡，通過提取低分辨率的特征，實現更好的重建質量和更高的計算效率。Ledig[4]等人將生成對抗網絡應用于圖像超分辨率，獲得了更符合人類視覺效果的重建結果。X.Tian[5]等人利用空間光調制器的逐像素掃描能力將圖像超分辨率性能提升到了新的高度，但重建算法無法在去除條紋噪聲和超分辨率之間保持平衡。

上述算法只能將圖像超分辨率性能提高到一定程度。具備逐像素掃描能力的空間光調制器雖然可以獲得高質量的重建結果，但檢測器填充因子會導致像素響應的不均勻性，視覺上表現為條紋噪聲。因此如何利用空間光調制器的線掃描結果實現高質量高分辨率圖像重建，同時去除條紋噪聲將是本發明的關鍵問題。

參考文獻

[1]P.Rasti,H.Demirel,and?G.Anbarjafari,“Image?resolution?enhancementby?using?interpolation?followed?by?iterative?back?projection,”in?2013?21stSignal?Processing?and?Communications?Applications?Conference(SIU),(IEEE,2013),pp.1–4.

[2]W.Dong,G.Shi,X.Li,Y.Ma,and?F.Huang,“Compressive?sensing?vianonlocal?low-rank?regularization,”IEEE?Transactions?on?Image?Process.23,3618–3632(2014).

[3]W.Shi,J.Caballero,F.Huszár,J.Totz,A.P.Aitken,R.Bishop,D.Rueckert,and?Z.Wang,“Real-time?single?image?and?video?super-resolution?using?anefficient?sub-pixel?convolutional?neural?network,”in?Proceedings?of?the?IEEEconference?on?Computer?Vision?and?Pattern?Recognition,(2016),pp.1874–1883.