[发明专利]一种双通道卷积神经网络的单图像超分辨率计算方法

摘要

本发明公开一种双通道输入卷积神经网络的单图像超分辨率计算方法，包括(1)把已知高分辨率图像经过模糊退化处理，得到相同大小的低分辨率图像；(2)把步骤(1)得到的模糊处理后的低分辨率图像分解成低分辨率图像纹理部分和平滑结构部分；得到高分辨率图像的纹理部分和平滑结构部分；(3)把步骤(2)得到的低分辨率纹理部分和原低分辨率图像组合得到双通道输入，得到高分辨率纹理部分的输出；(4)组合步骤(3)得到的高分辨率纹理部分输出与原低分辨率图像得到最终的图像超分辨率重建结果，完成超分辨率重建；(5)计算步骤(4)和步骤(2)得到的高分辨率纹理部分之间的差值得到纹理部分损失；最小化纹理损失与图像损失的和来优化网络结构参数。

主权项

1.一种基于双通道输入卷积神经网络的单图像超分辨率计算方法，其特征在于，包括以下步骤：/n(1)通过插值方法把已知高分辨率图像经过模糊退化处理，得到相同大小的低分辨率图像；/n(2)使用形态学成分分析方法把步骤(1)得到的模糊处理后的低分辨率图像分解成低分辨率图像纹理部分和平滑结构部分；对原高分辨率图像做相同的处理，得到高分辨率图像的纹理部分和平滑结构部分；/n(3)把步骤(2)得到的低分辨率纹理部分和原低分辨率图像组合得到双通道输入，然后输入到双通道网络结构中，得到高分辨率纹理部分的输出；/n(4)组合步骤(3)得到的高分辨率纹理部分输出与原低分辨率图像得到最终的图像超分辨率重建结果，完成超分辨率重建；/n所述的组合是将由步骤(3)得到的高分辨率纹理图像和低分辨率输入图像平滑结构部分N_l组合得到高分辨率图像的输出即/n(5)计算步骤(3)高分辨率纹理输出和步骤(2)高分辨率图像分解得到的高分辨率纹理部分之间的差值得到纹理部分损失；计算步骤(4)得到的重构高分辨率图像的结果与原高分辨率图像的差值得到图像损失；最小化纹理损失与图像损失的和来优化网络结构参数。/n