[发明专利]一种基于卷积神经网络的单帧图像连续尺度超分辨率方法

摘要

本发明涉及一种基于卷积神经网络的单帧图像连续尺度超分辨率方法。首先，输入待超分辨率的低分辨率图像和放大尺度因子t；其次，根据输入的放大尺度因子确定其对应的最优整数放大尺度因子s，利用双三次插值算法将输入的低分辨率图像放大s倍；再而，利用现有的基于卷积神经网络的超分辨率算法的网络模型，放大图像进行特征提取及重建，得到放大了s倍的高分辨率图像；最后，对得到的高分辨率图像，使用双三次插值缩放至目标分辨率，得到最终的放大了t倍的高分辨率图像。本发明能够有效地提高已有基于卷积神经网络的超分辨率算法在连续放大尺度超分辨率上的性能，可应用于图像处理、计算机视觉等领域。

主权项

1.一种基于卷积神经网络的单帧图像连续尺度超分辨率方法，其特征在于，包括如下步骤：步骤S1、输入待超分辨率的低分辨率图像和放大尺度因子t，低分辨率图像的大小为h×w；步骤S2、根据输入的放大尺度因子t确定其对应的最优整数放大尺度因子s，利用双三次插值算法将输入的低分辨率图像放大s倍，得到放大图像；步骤S3、利用基于卷积神经网络的超分辨率算法的网络模型，对由步骤S2得到的放大图像进行特征提取及重建，得到放大s倍的高分辨率图像；步骤S4、对由步骤S3得到的高分辨率图像，使用双三次插值缩放至目标分辨率，最终得到的放大t倍的高分辨率图像。