[发明专利]基于多频段深度卷积神经网络的图像超分辨重建方法

摘要

本发明公开了一种基于多频段深度卷积神经网络的图像超分辨重建方法。其步骤为：选取训练样本和测试样本；训练图像进行分批输入网络，进行特征提取，并结合长短期记忆构建多频段学习结构，再进行特征细化、特征映射和上采样重建；根据训练得到的模型，获得网络参数，完成图像重建。本发明通过引入多频段学习，增强高频信息重建，并利用记忆迁移操作使网络同时具有长短期记忆，加快了图像重建速度，增强了图像边缘和纹理细节的重建，获得了质量更好的图像超分辨重建结果。本发明具有较强的超分辨率能力，重建的图像更接近真实图像。

主权项

1.一种基于多频段深度卷积神经网络的图像超分辨重建方法，其特征在于，包括：步骤S1，用291幅图像数据集生成真实高分辨率图像库X，根据此高分辨率图像下采样得到低分辨率图像库Y，利用Set5数据集中的高分辨率图像构成验证集图像库；步骤S2，将步骤S1所述的真实高分辨率图像库X、低分辨率图像库Y和验证集图像库图像进行分块，并分批存入数据集中，得到最后的训练数据集；步骤S3，构建多频段深度卷积神经网络训练模型，将整个网络分为特征提取层、特征细化层、特征映射层和重建层四个部分；步骤S4，将步骤S2得到的训练数据集输入构建的多频段深度卷积神经网络训练模型中，经过N次寻优，获得模型用于重建；步骤S5，将待处理的低分辨图像输入训练得到的模型中，获得高分辨率图像输出。