[发明专利]一种双通道卷积神经网络的单图像超分辨率计算方法

权利要求书

1.一种基于双通道输入卷积神经网络的单图像超分辨率计算方法，其特征在于，包括以下步骤：

(1)通过插值方法把已知高分辨率图像经过模糊退化处理，得到相同大小的低分辨率图像；

(2)使用形态学成分分析方法把步骤(1)得到的模糊处理后的低分辨率图像分解成低分辨率图像纹理部分和平滑结构部分；对原高分辨率图像做相同的处理，得到高分辨率图像的纹理部分和平滑结构部分；

(3)把步骤(2)得到的低分辨率纹理部分和原低分辨率图像组合得到双通道输入，然后输入到双通道网络结构中，得到高分辨率纹理部分的输出；

(4)组合步骤(3)得到的高分辨率纹理部分输出与原低分辨率图像得到最终的图像超分辨率重建结果，完成超分辨率重建；

所述的组合是将由步骤(3)得到的高分辨率纹理图像和低分辨率输入图像平滑结构部分N_l组合得到高分辨率图像的输出即

(5)计算步骤(3)高分辨率纹理输出和步骤(2)高分辨率图像分解得到的高分辨率纹理部分之间的差值得到纹理部分损失；计算步骤(4)得到的重构高分辨率图像的结果与原高分辨率图像的差值得到图像损失；最小化纹理损失与图像损失的和来优化网络结构参数。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述退化处理分为模糊和下采样两步，具体如下：

y＝DHx+v 1)

其中H和D分别为模糊和下采样因子，v为图像处理过程的加性噪声，给定低分辨率图像y，图像超分辨率的目的是解决下面的最大后验概率问题：

其中，p(·)是x的先验规则项，直接学习高、低分辨率图像的映射关系会忽略高频细节，采用高频纹理细节特征参与高分辨图像重建。