单幅图像超分辨率重建方法、装置、设备及可读存储介质.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CN113850721A(43)申请公布日2021.12.28(21)申请号202111129980.1(22)申请日2021.09.26(71)申请人陕西师范大学地址710119陕西省西安市长安区西长安街620号(72)发明人梁就张钰薛江波张育胡延达(74)专利代理机构西安通大专利代理有限责任公司61200代理人陈翠兰(51)Int.Cl.G06T3/40(2006.01)权利要求书2页说明书8页附图4页(54)发明名称单幅图像超分辨率重建方法、装置、设备及可读存储介质(57)摘要本发明公开了一种单幅图像超分辨率重建方法、装置、设备及可读存储介质，获取训练数据集，对所述训练数据集中的图像进行裁剪，得到图像块训练数据集；根据所述图像块训练数据集，构建基于普通卷积和内卷积相结合的端到端图像超分辨率重建模型；设置所述端到端图像超分辨率重建模型的超参数，采用损失函数和优化器并设置训练终止条件后对所述端到端图像超分辨率重建模型进行训练，得到训练完成的端到端图像超分辨率重建模型；将低分辨率图像输入到所述训练完成的端到端图像超分辨率重建模型中，得到所述训练完成的端到端图像超分辨率重建模型输出的高分辨率图像。本发明目的在于降低网络参数量的同时提升图像超分辨率重建的性能。CN113850721ACN113850721A权利要求书1/2页1.一种单幅图像超分辨率重建方法，其特征在于，包括：获取训练数据集，对所述训练数据集中的图像进行裁剪，得到图像块训练数据集；根据所述图像块训练数据集，构建基于普通卷积和内卷积相结合的端到端图像超分辨率重建模型；设置所述端到端图像超分辨率重建模型的超参数，采用损失函数和优化器并设置训练终止条件后对所述端到端图像超分辨率重建模型进行训练，得到训练完成的端到端图像超分辨率重建模型；将低分辨率图像输入到所述训练完成的端到端图像超分辨率重建模型中，得到所述训练完成的端到端图像超分辨率重建模型输出的高分辨率图像。2.根据权利要求1所述的一种单幅图像超分辨率重建方法，其特征在于，所述对所述训练数据集中的图像进行裁剪后，还包括：对裁剪后的图像进行翻转、旋转和随机打乱操作，得到图像块训练数据集。3.根据权利要求1所述的一种单幅图像超分辨率重建方法，其特征在于，所述设置所述端到端图像超分辨率重建模型的超参数，采用损失函数和优化器并设置训练终止条件后对所述端到端图像超分辨率重建模型进行训练，得到训练完成的端到端图像超分辨率重建模型，具体包括：将所述图像块训练数据集中的图像块以一定数目为一批作为所述端到端图像超分辨率重建模型的输入；设置所述端到端图像超分辨率重建模型的超参数，设置所述端到端图像超分辨率重建模型的初始化方式，设置所述端到端图像超分辨率重建模型的损失函数和优化器；使用随机梯度下降算法和反向传播算法训练所述端到端图像超分辨率重建模型，得到所述训练完成的端到端图像超分辨率重建模型。4.根据权利要求1所述的一种单幅图像超分辨率重建方法，其特征在于，所述损失函数的定义如下：式中，Θ代表端到端图像超分辨率重建模型的超参数；和分别表示训练图像块中的低分辨率图像和与之对应的高分辨率图像；表示端到端图像超分辨率重建模型处理后输出的超分辨率图像；M表示图像块的数量。5.根据权利要求1所述的一种单幅图像超分辨率重建方法，其特征在于，所述优化器为Adam优化器。6.根据权利要求1所述的一种单幅图像超分辨率重建方法，其特征在于，所述端到端图像超分辨率重建模型的超参数包括：学习率、衰减率以及训练轮次。7.一种单幅图像超分辨率重建装置，其特征在于，包括：获取模块，用于获取训练数据集，对所述训练数据集中的图像进行裁剪，得到图像块训练数据集；模型构建模块，用于根据所述图像块训练数据集，构建基于普通卷积和内卷积相结合2CN113850721A权利要求书2/2页的端到端图像超分辨率重建模型；模型训练模块，用于设置所述端到端图像超分辨率重建模型的超参数，采用损失函数和优化器并设置训练终止条件后对所述端到端图像超分辨率重建模型进行训练，得到训练完成的端到端图像超分辨率重建模型；输出模块，用于将低分辨率图像输入到所述训练完成的端到端图像超分辨率重建模型中，得到所述训练完成的端到端图像超分辨率重建模型输出的高分辨率图像。8.一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述一种单幅图像超分辨率重建方法的步骤。9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项的一种单幅图像超分辨率重建方法的步骤。3CN11