[发明专利]一种人工智能超分辨信号分析与图像识别的方法与装置

说明书

本发明公开一种人工智能超分辨信号分析与图像识别的方法与装置包括：超分辨采样系统、超分辨增强系统、超分辨图像与音频信号预处理系统、超分辨信号的模式识别与分类系统、超分辨处理效果的反馈系统，解决了图像的采样率或者信号的采样率达不到一定超高分辨率时导致图像信息的误判和音频信号分析的失败的问题。满足了人工智能医学图像诊断和音频信号分析对更多音乐细节完成瞬态信号特征的检测与标定对更高精度和更可靠信号的需求。

技术领域

本发明涉及模式识别和人工智能领域，特别是涉及一种人工智能超分辨信号分析与图像识别的方法与装置。

背景技术

图像处理与音频信号处理中，由于图像的采样率或者信号的采样率达不到一定的超高分辨率的标准，往往导致图像信息的误判和音频信号分析的失败。 当前，利用人工智能的医学图像诊断已经到了实用与推广的阶段，从专业医疗机构的医学诊断到社区和个人的健康维护都需要更高精度和更可靠的医学图像诊断手法。在音频信号分析中，很多音乐细节都需要超高的分辨力解决瞬态信号特征的检测与标定。在这些领域中，传统的采样率限制了实际应用的更高需求。

在音频信号分析中，传统的采样率是根据奈奎斯特定理设定的，一般为信号带宽的4倍。然而，在很多情况下，标准的分辨率是不够的，特别是固有信号中存在的瞬态特征是难以用标准分辨率的采样捕捉保存，这样导致了后续的模式识别的错误结果。我们研究超分辨理论的经验告诉我们，在很多情况下，超分辨的预处理并不给模式识别和分类带来更加理想的结果。反而，在有些情况下，实验证明超分辨过程增加的信号细节包括纹理细节和噪音会导致特征提取和分类的失败。然而我们的研究同时证明，基于人工智能神经网络的超分辨方法在目标识别领域是行之有效的，但是有一个非常重要的前提，这个前提就是超分辨的可逆性。如果这个过程是一个可逆的过程，而且在给定条件下，是唯一可逆的，超分辨是有助于模式识别与分类的；如果这个过程是非线性，但可逆多解的，这时超分辨方法也可能导致两个结果；如果这个过程是不可逆的，无论给定什么先验知识，都是不可逆的，那么超分辨方法是无用的。

发明内容

为解决以上问题，本发明突破传统采样率，采用超分辨的采样率，对图像信号和音频信号进行分析检测。

本发明的目的是针对现有技术存在的上述不足，提供一种人工智能超分辨信号分析与图像识别的方法与装置。

一种人工智能超分辨信号分析与图像识别的方法与装置包括：超分辨采样系统、超分辨增强系统、超分辨图像与音频信号预处理系统、超分辨信号的模式识别与分类系统、超分辨处理效果的反馈系统：

所述超分辨采样系统， 用于图像的超分辨采样或者音频信号的超分辨采样；

所述超分辨增强系统， 用于对于有些信号源，在分辨率已经固定的情况下，采用人工智能系统进行超分辨增强；

所述超分辨图像与音频信号预处理系统， 用于对超分辨的信号源进行判断及预处理；

所述超分辨信号的模式识别与分类系统，用于信号的模式识别与分类；

所述超分辨处理效果的反馈系统，用于进一步改善前面的超分辨增强系统和超分辨预处理系统，及超分辨模式识别与分类系统，形成一个闭环的自我更新，自我进化的超分辨图像识别与音频信号分析与检测装置。

根据本发明的一个方面，所述超分辨采样系统，通过超分辨采样方法获得所述超分辨信号。

优选地，对于医疗信号，超分辨采样系统把医疗图像信息，通过超分辨采样系统转换成数字图像信息。

优选地，对于音频信号，超分辨模拟数字转换器通过ADC把音频信号进行超过奈奎斯特采样率的超分辨采样率进行采样。

进一步，所述的医学影像数字图像或者音频信号数据再输出给超分辨增强系统作进一步处理。