[发明专利]一种基于分组连接网络的图像超分辨率重建方法

权利要求书

1.一种分组连接网络的图像超分辨率重建方法，其特征在于，包括以下步骤：

S1、选取n张图像作为训练集{P_H1,P_H2,...,P_Hn}，下标H表示图像为高分辨率图像；

S2、对训练集进行预处理：随机提取训练集每张图像中大小为100×100的像素区域，图像像素区域小于100则用0补齐不足区域，然后对这些像素区域进行下采样，得到对应的低分辨率图像集{P_L1,P_L2,...,P_Ln}；

S3、构建卷积神经网络，网络从输入到输出依次包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层、反卷积层；其中，

所述第一卷积层的输入为低分辨率图像集，第一卷积层输出的特征图像分为数量相等的两组，其中一组不变，另一组再细分为4个小组，分别定义为A组特征图像、B组特征图像、C组特征图像、D组特征图像；

所述第二卷积层是通过第一层第一组特征图像进行卷积，得到的特征图像再等分为两组，其中一组直接以跳跃连接的方式传至第六层，第一层中的A组特征图像以跳跃连接的方式与另一组结合，形成一组新的特征图像；

所述第三卷积层对第二卷积层中一组新的特征图像进行卷积，得到的特征图像再等分为两组，其中一组直接以跳跃连接的方式传至第六层，第一层中的B组特征图像以跳跃连接的方式与另一组结合，形成一组新的特征图像；

所述第四卷积层与第三卷积层的操作一致，第一层中的C组特征图像以跳跃连接的方式与其中一组结合，形成一组新的特征图像；

所述第五卷积层与第三卷积层的操作一致，第一层中的D组特征图像以跳跃连接的方式与其中一组结合，形成一组新的特征图像；

所述第六卷积层将第五卷积层所得到的一组新的特征图像进行卷积，并将前四层以跳跃连接的方式传递到第六卷积层的特征图像进行组合，得到一组新的特征图像；

所述第七卷积层将第六卷积层所得到的特征图像进行卷积，得到一组新的特征图像；

所述反卷积层将第七卷积层所得到的特征图像进行反卷积，得到与差值放大后的低分辨率图像等大的特征图像；

最后将反卷积层得到的特征图像与插值放大后的低分辨率图像按对应像素点位置相加的方式进行组合，得到超分辨率图像；

网络中每一次卷积后采用tanh函数作为激活函数；

S4、对构建的卷积神经网络进行训练，具体为：设置目标图像为残差图像，通过将低分辨率图像集利用双线性插值法放大至与训练集中对应图像等大，得到放大的低分辨率图像集{P_IL1,P_IL2,...,P_ILn}，将放大的低分辨率图像集与提取的像素区域中对应的图像的对应位置的像素值相减，得到残差图像集{P_R1,P_R2,...,P_Rn}；将输入低分辨率图像P_Li到网络中后所获得的输出图像P_Oi与对应的残差图像P_Ri比较，得到均方差将均方差作为网络的损失函数，对网络参数进行更新，从而获得训练好的卷积神经网络；

S5、利用训练好的卷积神经网络进行图像的超分辨率重建，具体为：

S51、将需要超分辨率重建的图像P_L作为输入图像，输入卷积神经网络后得到输出图像P_O；

S52、对图像P_L利用双三次插值法放大至与图像P_O等大，获得放大后的图像P_IL；

S53、将P_IL与P_O对应的像素点的像素值进行相加，得到超分辨率图像P_S。

2.根据权利要求1所述的一种分组连接网络的图像超分辨率重建方法，其特征在于，所述的所有卷积层的卷积核为3×3的卷积核，第七卷积层为5×5的卷积核。