[发明专利]一种高分辨率图像修复方法及装置

权利要求书

1.一种高分辨率图像修复方法，其特征在于，包括：

利用掩码生成器通过大掩码生成策略，随机生成不同形状的掩码；

利用所述掩码对训练原始图像进行遮挡，形成四通道的输入张量数据；

将所述输入张量数据放入图像修复网络训练形成图像修复模型；所述图像修复网络包括中间特征；

将高分辨率待修复图像进行处理获得低分辨率待修复图像，所述低分辨率待修复图像的分辨率与所述图像修复网络的适配；

利用所述高分辨率待修复图像以及所述低分辨率待修复图像对所述图像修复模型中的所述中间特征进行优化获得目标中间特征；

利用所述目标中间特征替换所述图像修复模型中的所述中间特征获得目标图像修复模型；

将所述高分辨率待修复图像输入所述目标图像修复模型，以便所述目标图像修复模型输出目标图像修复结果。

2.根据权利要求1所述的高分辨率图像修复方法，其特征在于，将所述掩码与所述训练原始图像堆叠形成掩码图像；利用所述掩码图像与所述掩码组合形成所述输入张量数据。

3.根据权利要求1所述的高分辨率图像修复方法，其特征在于，将所述输入张量数据放入图像修复网络训练形成图像修复模型，包括：

将所述输入张量数据放入所述图像修复网络并进行双立方插值降采样处理；

降采样处理的数据经过所述中间特征，利用卷积层对所述输入张量数据进行卷积计算得到卷积图像；

利用上采样模块对所述卷积图像的特征进行上采样，结合目标函数和所述训练原始图像进行监督学习，获得所述图像修复模型。

4.根据权利要求3所述的高分辨率图像修复方法，其特征在于，所述双立方插值降采样的数学模型如下式所示：

其中P_LR为低分辨率图像，P_HR为高分辨率图像，δ为映射参数(噪声或缩放因子)，表示模糊核k与高分辨率图像的卷积操作，η_α表示标准差为α的高斯白噪声，↓_S是对图像进行的缩小倍数为s的降采样操作。

5.根据权利要求3所述的高分辨率图像修复方法，其特征在于，所述上采样模块的数学模型如下式所示：

式中：T(i,j)为位置投影函数，(i’,j’)为利用放大因子计算投影后的像素值坐标；W(i,j)为权重估值函数；Ω为特征函数；F为图像特征值；W为权重估计。

6.根据权利要求3所述的高分辨率图像修复方法，其特征在于，所述目标函数如下式所示：

式中：θ表示参数；Φ(θ)表示正则化项；为恢复图像；L为损失函数，G(i,j)表示坐标(i,j)位置的像素恢复值，F(i,j)表示坐标(i,j)位置的像素实际值。

7.根据权利要求6所述的高分辨率图像修复方法，其特征在于，所述损失函数L包括图像评估函数MSE。

8.根据权利要求1所述的高分辨率图像修复方法，其特征在于，将高分辨率待修复图像进行处理获得低分辨率待修复图像，包括：

将所述高分辨率待修复图像经过高斯滤波、线性插值处理获得所述低分辨率待修复图像。

9.根据权利要求1所述的高分辨率图像修复方法，其特征在于，利用所述高分辨率待修复图像以及所述低分辨率待修复图像对所述图像修复模型中的所述中间特征进行优化获得目标中间特征；包括：

将所述低分辨率待修复图像输入所述图像修复模型得到低分辨率修复图像；

将所述高分辨率待修复图像输入所述图像修复模型得到预测结果；

将所述预测结果与所述低分辨率修复图像之间进行L2损失计算，利用反向传播算法以及Adam梯度下降算法对所述中间特征进行优化；

对所述中间特征进行迭代优化，直到达到预设的优化次数和L2损失足够小时获得所述目标中间特征。

10.一种高分辨率图像修复装置，其特征在于，包括：

掩码生成单元，用于利用掩码生成器通过大掩码生成策略，随机生成不同形状的掩码；

输入张量数据形成单元，用于利用所述掩码对训练原始图像进行遮挡，形成四通道的输入张量数据；

图像修复模型形成单元，用于将所述输入张量数据放入图像修复网络训练形成图像修复模型；所述图像修复网络包括中间特征；

低分辨率待修复图像获取单元，用于将高分辨率待修复图像进行处理获得低分辨率待修复图像，所述低分辨率待修复图像的分辨率与所述图像修复网络的适配；

目标中间特征获取单元，用于利用所述高分辨率待修复图像以及所述低分辨率待修复图像对所述图像修复模型中的所述中间特征进行优化获得目标中间特征；

目标图像修复模型湖区单元，用于利用所述目标中间特征替换所述图像修复模型中的所述中间特征获得目标图像修复模型；

目标图像修复结果输出单元，用于将所述高分辨率待修复图像输入所述目标图像修复模型，以便所述目标图像修复模型输出目标图像修复结果。