基于退化模型的超分辨率图像重建方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113538245A(43)申请公布日2021.10.22(21)申请号202110886250.X(22)申请日2021.08.03(71)申请人四川启睿克科技有限公司地址610000四川省成都市中国（四川）自由贸易试验区成都高新区天府四街199号1栋33层(72)发明人郑敏娥胡亮张聃展华益(74)专利代理机构成都虹桥专利事务所(普通合伙)51124代理人陈春光(51)Int.Cl.G06T3/40(2006.01)G06T5/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书6页附图2页(54)发明名称基于退化模型的超分辨率图像重建方法及系统(57)摘要本发明涉及图像处理技术领域，公开了一种基于退化模型的超分辨率图像重建方法及系统，旨在解决现有的超分辨率图像重建方法在实际应用时存在效果不佳的问题，主要包括：采集真实的图像数据，构成源数据集，并从源数据集中随机抽取部分图像数据进行清洗得到高分辨率图像数据集；基于源数据集估计模糊核并提取噪声块，分别搭建模糊核收集池和噪声收集池；基于采用插值的降采样方法的广义退化模型，将高分辨率图像数据集中的高分辨率图像退化成低分辨率图像，构造有监督的SR样本；训练基于深度残差网络的图像超分模型，基于图像超分模型获得超分辨率图像。本发明提高了超分效果，特别适用于盲超分场景。CN113538245ACN113538245A权利要求书1/2页1.基于退化模型的超分辨率图像重建方法，其特征在于，包括以下步骤：步骤1、采集真实的图像数据，构成源数据集X，并从源数据集X中随机抽取部分图像数据进行清洗得到高分辨率图像数据集Y；步骤2、基于源数据集X估计模糊核，搭建模糊核收集池；步骤3、基于源数据集X提取噪声块，搭建噪声收集池；步骤4、分别从模糊核收集池和噪声收集池中随机挑选模糊核和噪声块，基于广义的退化模型，根据挑选的模糊核和噪声块并采用基于插值的降采样方法，将高分辨率图像数据集Y中的高分辨率图像退化成低分辨率图像，构造有监督的SR样本；步骤5、使用构造的有监督的SR样本，训练基于深度残差网络的图像超分模型，基于所述图像超分模型获得超分辨率图像。2.如权利要求1所述的基于退化模型的超分辨率图像重建方法，其特征在于，步骤1中，所述真实的图像数据通过图像采集设备进行采集，具体方法包括：通过调节图像采集设备的分辨率，采集不同分辨率的真实图像。3.如权利要求1所述的基于退化模型的超分辨率图像重建方法，其特征在于，步骤1中，对部分图像数据进行清洗的方法包括：IHR＝(Isrc*kbic)↓sc；其中，Isrc∈X，Isrc表示真实的图像数据，kbic属于双三次核，↓sc表示步长为sc的降采样方法。4.如权利要求1所述的基于退化模型的超分辨率图像重建方法，其特征在于，步骤2中，所述搭建模糊核收集池的方法包括：将模糊核收集池初始化为空集；分别针对源数据集X中的所有低分辨率图像估计模糊核，并将模糊核加入模糊核收集池中。5.如权利要求4所述的基于退化模型的超分辨率图像重建方法，其特征在于，所述模糊核的估计方法为KernelGAN方法。6.如权利要求1所述的基于退化模型的超分辨率图像重建方法，其特征在于，步骤3中，所述搭建噪声收集池的方法包括：将噪声收集池初始化为空集；分别针对源数据集X中的所有低分辨率图像采集噪声块，判断采集的噪声块是否满足预设滤波规则，若是，则将噪声块添加到噪声收集池中，所述预设滤波规则为：f(ni)＜v；其中，ni表示采集的第i个噪声块，f(ni)表示方差计算函数，v表示方差最大值。7.如权利要求6所述的基于退化模型的超分辨率图像重建方法，其特征在于，所述噪声块的采集方法包括：假设噪声块n为零均值的加性噪声，则Inoise＝Iclean+n，其中，Iclean表示干净不含噪声的图像，Inoise表示含有噪声的图像；d×d定义两种大小的图像块pi和其中，pi∈R，定义两种步长sg和sl；在含有噪声的图像上，以全局步长sg滑动截取全局图像块pi,在全局图像块pi上，以局2CN113538245A权利要求书2/2页部步长sl滑动截取局部图像块若全局图像块pi和局部图像块满足如下性质，则该全局图像块pi为平滑图像块，将其添加到集合S中；遍历所有的图片，最终得到平滑图像块集合S＝{s1,s2,...,st}；根据平滑图像块集合获取噪声块集合V＝{v1,v2,...,vt}，其中，vi＝si‑Mean(si)，i∈(1,t)。8.如权利要求1所述的基于退化模型的超分辨率图像重建方法，其特征在于，步骤4中，所述退化模型为：其中，ILR表示低分辨率图像数据，IHR表示高分辨率图像数据，k表示模糊核，↓s表示降采样方法，