买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春理工大学

摘要：一种轻量化的单张图像超分辨率重建方法，属于图像超分辨率重建领域，为了解决现有的超分辨率方法空间复杂度和时间复杂度高的问题，该方法包括如下步骤：构建网络模型：整个网络包括四个主要模块：浅层特征提取模块、深层特征提取模块、信息融合模块和上采样模块；准备数据集：对所用数据集进行模拟降质，所得高低分辨率图像对用以训练整个卷积神经网络；训练网络模型；最小化损失值；微调模型；保存模型：将最后得到的模型参数进行固化，之后需要进行超分辨率重建操作时，直接将图像和网络参数载入网络中即可得到最终的超分辨率图像。在保持较高重建质量的前提下，大大减少了网络的参数量和计算量，更适于在嵌入式设备上实现。

主权项：1.一种轻量化的单张图像超分辨率重建方法，其特征是，该方法包括如下步骤：步骤1，构建网络模型：整个网络包括四个主要模块：浅层特征提取模块、深层特征提取模块、信息融合模块和上采样模块；浅层特征提取模块由两个卷积层组成，用以初步提取图像的结构特征；深层特征提取模块由十六个相同的轻量化双信息流残差块堆叠组成，将浅层信息输入深层特征提取模块后由十六个轻量化双信息流残差块依次提取图像特征，以进一步获取图像深层信息；信息融合模块对各级轻量化双信息流残差块输出的深层信息进行融合和筛选；上采样模块将浅层信息提取模块输出的浅层特征和信息融合模块输出的深层特征融合后，再进行像素重组，最后获得超分辨率图像；步骤2，准备数据集：对所用数据集进行模拟降质，所得高低分辨率图像对用以训练整个卷积神经网络；步骤3，训练网络模型：选择优化器并设置相应的参数，将步骤2中准备好的数据集的高低分辨率图像对输入到步骤1中构建的神经网络模型进行训练；步骤4，最小化损失值：通过最小化网络输出的超分辨率图像和真实高分辨率图像之间的损失值，使该损失值达到设定的阈值或训练次数达到设定的上限值即可认为模型参数已经训练完成，保存模型参数；步骤5，微调模型：采用特殊训练方法对模型进行训练和微调，得到效果最佳的模型参数，进一步提高模型的超分辨率重建能力；步骤6，保存模型：将最后得到的模型参数进行固化，之后需要进行超分辨率重建操作时，直接将图像和网络参数载入网络中即可得到最终的超分辨率图像；所述步骤1中轻量化双信息流残差模块由两条分支组成，一条为乘性分支另一条为加性分支，乘性分支由1×1卷积一、深度可分离卷积一、1×1卷积二和深度可分离卷积二组成，依次提取图像退化逆过程的乘性分量；加性分支由1×1卷积三、深度可分离卷积三、1×1卷积四和深度可分离卷积四组成，依次提取图像退化逆过程的加性分量；将乘性分量与输入特征的积与输入特征、加性分量求和生成输出特征。

全文数据：

权利要求：

百度查询： 长春理工大学 一种轻量化的单张图像超分辨率重建方法