发明名称 |
结合深度学与梯度转换的单幅图像超分辨率重建方法 |
摘要 |
本发明公开了一种结合深度学与梯度转换的单幅图像超分辨率重建方法。主要包括以下步骤:用基于深度学的超分辨率方法对输入的低分辨率图像进行上采样,得到上采样图像;用梯度算子对上采样图像进行梯度提取;用深度卷积神经网络对提取到的梯度进行转换;将输入的低分辨率图像与转换后的梯度作为约束,建立重建代价函数;利用梯度下降法来最优化重建代价函数,得到最终输出的高分辨率图像。本发明所述的单幅图像超分辨率重建方法重建的图像在主观视觉效果上具有精细的结构、几乎没有人工效应,且具有很高的客观评价参数值。因此,本发明是一种有效的单幅图像超分辨率重建方法。 |
申请公布号 |
CN106204489A |
申请公布日期 |
2016.12.07 |
申请号 |
CN201610545884.8 |
申请日期 |
2016.07.12 |
申请人 |
四川大学 |
发明人 |
何小海;陈敬勖;陈洪刚;滕奇志;卿粼波;熊淑华 |
分类号 |
G06T5/00(2006.01)I |
主分类号 |
G06T5/00(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
结合深度学习与梯度转换的单幅图像超分辨率重建方法,其特征在于包括以下步骤:步骤一:用基于深度学习的超分辨率方法对输入的低分辨率图像进行上采样,得到上采样图像;步骤二:用梯度算子对上采样图像进行梯度提取;步骤三:用深度卷积神经网络对提取到的梯度进行转换;步骤四:将输入的低分辨率图像与步骤三转换得到的梯度作为约束,建立重建代价函数;步骤五:利用梯度下降法来最优化重建代价函数,得到最终输出的高分辨率图像。 |
地址 |
610065 四川省成都市武侯区一环路南一段24号 |