[发明专利]基于经验模态分解的图像超分辨系统

说明书

本发明涉及图像处理技术领域，提出了基于经验模态分解的图像超分辨系统，输入模块，用于获得第一图像；所述第一图像为低分辨率图像；特征提取模块，用于所述提取第一图像的特征；IMF预测模块，用于根据所述第一图像的特征，预测得到多个IMF特征图；所述多个IMF特征图位于不同的频率；所述IMF预测模块包括多个平行的分支，每个分支为一个CNN滤波器组，且所述分支的数量与所述IMF特征图的数量相同；重建模块，用于根据设定的放大比例，将每一IMF特征图转换为新的IMF，得到多个新的IMF；将多个新的IMF进行叠加得到第二图像，所述第二图像为超分辨率图像。通过上述技术方案，解决了现有技术中图像分辨率低、导致虹膜识别精度低的问题。

技术领域

本发明涉及图像处理技术领域，具体的，涉及基于经验模态分解的图像超分辨系统。

背景技术

一般生物特征识别是通过特制的生物特征采集装置将人体生理、行为等特征信息量化为数字化的特征表示，进而通过模式识别、神经网络等方法，实现个人身份鉴别与认证的一种高新技术。其中，相比于人脸、指纹等常见的生物特征识别技术，虹膜具有唯一性高、稳定性强、防伪性好、非接触等优势，被认为是最具有潜力的生物特征识别技术。虹膜识别技术和产品已在公安司法、金融银行、社保福利、智能家居、移动互联网等领域和行业得到广泛应用，成为信息技术的新兴产业。特别是当前全球新冠疫情防控形势严峻，迫切需要解决戴口罩等复杂情况下高精度、高通量、非接触式人员识别问题，虹膜识别作为一种安全、高效的疫情防控身份识别技术，受到各国政府和产业界的高度关注。随着虹膜识别技术进步和产业推广，虹膜识别研究也在逐步从“高配和、严筛选”(需要用户高度配合、严格筛选图像质量)到“低配合、高通量”(低用户配合度、高识别通量)转变。然而，“低配合、高通量”虹膜识别仍面临“卡脖子”问题，如低分辨率问题。

超分辨率即通过硬件或软件的方法提高原有图像的分辨率，利用低分辨率(LR)的图像得到相应的高分辨率(HR)的图像，如何将超分辨率方法应用在虹膜识别上，是一个亟待解决的问题。

发明内容

本发明提出基于经验模态分解的图像超分辨系统，解决了相关技术中图像分辨率低、导致虹膜识别精度低的问题。

本发明的技术方案如下：包括

输入模块，用于获得第一图像；所述第一图像为低分辨率图像；

特征提取模块，用于所述提取第一图像的特征；

IMF预测模块，用于根据所述第一图像的特征，预测得到多个IMF特征图；所述多个IMF特征图位于不同的频率；所述IMF预测模块包括多个平行的分支，每个分支为一个CNN滤波器组，且所述分支的数量与所述IMF特征图的数量相同；

重建模块，用于根据设定的放大比例，将每一IMF特征图转换为新的IMF，得到多个新的IMF；将多个新的IMF进行叠加得到第二图像，所述第二图像为超分辨率图像。

进一步，所述特征提取模块包括多个依次排列的残差块。

进一步，所述IMF预测模块中每一分支均包括多个依次排列的残差通道注意力块。

进一步，所述IMF预测模块中位于高频段的分支还包括有边缘块，所述边缘块包括依次排列的卷积层、平均池化层和通道注意力块。

进一步，所述根据设定的放大比例，将每一IMF特征图转换为新的IMF，具体包括：

将大小为N_p×h×w的IMF特征图转换为3×(r×h)×(r×w)的IMF空间，其中r为设定的放大比例。

本发明的工作原理及有益效果为：