[发明专利]一种超分辨率图像的重构方法、装置及设备

权利要求书

1.一种超分辨率图像的重构方法，其特征在于，所述超分辨率图像的重构方法包括：

通过不同的超分辨率图像生成方法生成不同感知质量的图像；

通过感知质量评价指标计算不同感知质量的图像的感知质量评价分数；

根据所计算的感知质量评价分数对排序估计网络进行训练，其中，所述排序估计网络为卷积神经网络；

根据训练后的排序估计网络计算生成对抗网络的生成器所生成的图像的排序内容损失，根据所述排序内容损失指导生成对抗网络的生成器进行训练；

根据训练后的生成器对低分辨率图像进行超分辨率图像的重构。

2.根据权利要求1所述的超分辨率图像的重构方法，其特征在于，所述通过感知质量评价指标计算不同感知质量的图像的感知质量评价分数的步骤包括：

将所述不同感知质量的图像裁剪为图像块；

选择同一图像内容且具有不同感知质量的图像块构成图像对，通过无参考图像评价指标获取不同感知质量的图像对的感知质量评价分数。

3.根据权利要求2所述的超分辨率图像的重构方法，其特征在于，所述根据所计算的感知质量评价分数对排序估计网络进行训练的步骤包括：

选择作为排序估计网络的卷积神经网络计算所述图像的排序分数；

根据感知质量评价指标计算的评价分数和所述排序分数，得到所述卷积神经网络的排序误差；

通过反向传播算法更新所述卷积神经网络的参数。

4.根据权利要求1所述的超分辨率图像的重构方法，其特征在于，所述根据训练后的排序估计网络计算生成对抗网络的生成器所生成的图像的排序内容损失，根据所述排序内容损失指导生成对抗网络的生成器进行训练的步骤包括：

通过生成器生成高分辨率图像；

根据所述训练后的排序估计网络计算所述高分辨率图像的排序内容损失；

根据所述排序内容损失对生成器进行训练。

5.根据权利要求4所述的超分辨率图像的重构方法，其特征在于，所述根据所述排序内容损失对生成器进行训练的步骤还包括：

通过判别器判断所生成的高分辨率图像与真实高分辨率图像的误差；

通过VGG网络的特征空间计算生成的高分辨率图像与真实图像高分辨率图像的感知损失误差；

联合所述排序内容损失、所述判别器判断的误差和所述感知损失误差，对生成器进行训练。

6.根据权利要求1所述的超分辨率图像的重构方法，其特征在于，在所述根据所计算的感知质量评价分数对排序估计网络进行训练的步骤之前，所述方法还包括：

计算不同感知质量的图像的差异，选择所述图像的差异大于预设的阈值的图像。

7.一种超分辨率图像的重构装置，其特征在于，所述超分辨率图像的重构装置包括：

图像生成单元，用于通过不同的超分辨率图像生成方法生成不同感知质量的图像；

评价分数计算单元，用于通过感知质量评价指标计算不同感知质量的图像的感知质量评价分数；

排序估计网络训练单元，用于根据所计算的感知质量评价分数对排序估计网络进行训练，其中，所述排序估计网络为卷积神经网络；

生成器训练单元，用于根据训练后的排序估计网络计算生成对抗网络的生成器所生成的图像的排序内容损失，根据所述排序内容损失指导生成对抗网络的生成器进行训练；

重构单元，用于根据训练后的生成器对低分辨率图像进行超分辨率图像的重构。

8.根据权利要求7所述的超分辨率图像的重构装置，其特征在于，所述评价分数计算单元包括：

裁剪子单元，用于将所述不同感知质量的图像裁剪为图像块；

评价子单元，用于选择同一图像内容且具有不同感知质量的图像块构成图像对，通过无参考图像评价指标获取不同感知质量的图像对的感知质量评价分数。