[发明专利]一种基于深度学习的低质量图像超分方法

摘要

本发明属于图像编辑技术领域，具体为一种基于深度学习的低质量图像超分方法。本发明方法包括：图像中干扰信息特征的提取，图像特征与模糊及噪声特征的融合，高分辨率图像的重构。本发明不仅可以对理想条件下通过Bicubic降采样方法获得的低分辨率图像进行超分，还可以处理受到其它干扰的更真实的低分辨率图像。由于在真实条件下，低分辨率图像往往还受到模糊和噪声的干扰，本发明充分利用生成低分辨率图像的过程的信息，来增强对受干扰图像的超分效果。实验结果表明，本方法不仅较好地实现了理想条件下的图像超分，还可以对从真实条件中获得的受到未知干扰的低分辨率图像进行处理，以生成具有更符合主观视觉质量的高分辨率图像。

主权项

1.一种基于深度学习的低质量图像超分方法，其特征在于，具体步骤如下：(1)图像中干扰信息特征的提取首先，将二维模糊核矩阵k和一维噪声方差n同时输入到特征提取网络FE中，生成图像中存在的干扰信息的特征d：d＝FE(k,n)；(2)图像特征与模糊及噪声特征的融合首先，将输入的低分辨率图像ILR输入到特征融合网络FM中进行降维处理，学习出图像特征p，再将其与上一步特征提取网络得到的特征d级联；随后将级联的特征经过特征融合卷积层的处理，得到一个融合了图像信息与图像干扰信息的特征f：f＝FM(ILR,d)(3)高分辨率图像的重构将上一步得到的特征f经过图像重构网络FG的处理，重构出高分辨率图像，以恢复原图像中丰富的边缘纹理等细节信息：IHR＝FG(f)。