[发明专利]图像重建方法及设备

权利要求书

1.一种图像重建方法，其特征在于，包括：

将第一图像输入新建的超分辨率模型以得到重建的第二图像，所述第二图像的分辨率高于所述第一图像；

所述新建的超分辨率模型是使用误差损失对初始的超分辨率模型进行训练得到的；所述误差损失包括像素均方差和图像特征均方差；所述图像特征包含纹理特征、形状特征、空间关系特征和图像高层语义特征中的至少一项；

所述初始的超分辨率模型包含n个超分辨率子模型，所述n为大于等于2的正整数，所述n个超分辨率子模型中前n-1个超分辨率子模型输出的重建图像均作为输入所述n个超分辨率子模型的最后一个超分辨率子模型的图像信息。

2.根据权利要求1所述的方法，其特征在于，所述误差损失是第三图像和第四图像之间的误差损失，所述第三图像是将第五图像输入所述初始的超分辨率模型进行重建得到的；所述第四图像为高分辨率图像，所述第五图像为所述第四图像通过模糊化处理得到的低分辨率图像；所述初始的超分辨率模型用于重建输入所述初始的超分辨率模型的图像以提高分辨率。

3.根据权利要求2所述的方法，其特征在于，所述第三图像、所述第四图像和所述第五图像的数量均为M张，所述误差损失的个数为M个，所述M张第三图像是将所述M张第五图像输入到所述初始的超分辨率模型重建得到的；所述M个误差损失是根据所述M张第三图像和所述M张第四图像确定的；

其中， 所述M个误差损失中任意一个误差损失为所述M张第三图像中的第i张第三图像与所述M张第四图像中的第j张第四图像之间的误差损失，由所述第j张第四图像通过模糊化处理得到的第五图像输入到所述初始的超分辨率模型后得到的图像为所述第i张第三图像，所述M为大于1的正整数，所述i和所述j均为小于或等于M正整数。

4.根据权利要求3所述的方法，其特征在于，所述新建的超分辨率模型是根据所述M个误差损失调整所述初始的超分辨率模型中的参数得到的；或者，

所述初始超分辨模型是第1个超分辨率模型，所述M个误差损失中，根据第1个误差损失调整所述第1个超分辨模型中的参数得到第2个超分辨模型，根据第r个误差损失调整第r个超分辨率模型中的参数得到第r+1个超分辨模型，所述新建的超分辨率模型是使用第M个误差损失调整第M个超分辨率模型中的参数得到的；其中，所述r为大于或等于1且小于或等于M正整数。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述超分辨率子模型用于重建输入所述超分辨率子模型的图像信息以提高分辨率；所述图像信息包含像素值信息和图像特征的信息；

所述n个超分辨率子模型中，第一个超分辨率子模型的输入为所述第一图像，所述第一个超分辨率子模型的输出作为第二个超分辨率子模型的输入，第t-1个超分辨率子模型的输出作为第t个超分辨率子模型的输入，所述第t个超分辨率子模型的输出作为第t+1个超分辨率子模型的输入；所述t为满足2≤t≤n-1的正整数；且第t个超分辨率子模型的输出作为输出综合模块的输入，所述输出综合模块的输出作为第n个超分辨率子模型的输入，所述第n个超分辨率子模型的输出为所述第二图像，所述输出综合模块用于根据前n-1个超分辨率模子模型输出的重建的图像信息和各自的权重确定所述第n个超分辨率子模型的输入。

6.根据权利要求5所述的方法，其特征在于，所述输出综合模子模型输出的重建的所述图像信息，所述k为满足1≤k≤n-1的正整数；所述w_k为所述第k个超分辨率子模型的权重，所述O_k为所述第k个超分辨率子模型重建图像的图像信息。

7.根据权利要求6所述的方法，其特征在于，所述w_k是所述初始的超分辨率模型中的参数。

8.根据权利要求6所述的方法，其特征在于，所述超分辨率子模型为三层全卷积深度神经网络。