[发明专利]基于对称残差卷积神经网络的图像超分辨率重建方法

权利要求书

1.一种基于对称残差卷积神经网络的图像超分辨率重建方法，其特征在于，所述方法包括以下步骤：

S1，选取训练样本和测试样本：

训练样本：获取91张图像数据集和200张Berkeley Segmentation的数据集，对291张图像进行90°、180°和270°旋转、水平翻转和以因子0.9、0.8、0.7和0.6的顺序进行缩小，对训练图像进行数据增强处理后获得11640张训练图像；

测试样本：使用标准数据集Set5、Set14、BSD100分别进行测试；

S2，数据集预处理：利用双三次插值法以因子k对原始图像进行采样，所述k的取值分别为2、3、4，生成对应的LR图像，将LR训练图像裁剪为一组l_sub×l_sub的子图，相应的HR训练图像裁剪为kl_sub×kl_sub的子图，得到低分辨率子图和高分辨率子图训练图像对；

S3，特征提取：在步骤S2所得低分辨率子图上提取特征，包含两层卷积层，每层包含64个大小为3×3的卷积核；

S4，特征融合：包含4个残差块，每个残差块由一个增强单元和一个压缩单元构成，其中增强单元包含6层大小为3×3的卷积层，增强单元采用对称残差实现浅层与深层信息的恒等映射，融合网络上下文信息，提取特征，压缩单元由1层大小为1×1的卷积层构成，为后续网络提取关键信息；

S5，图像重建：包含一层无激活函数的反卷积层，重建计算关系为：

y＝R(F_n(B_n-1))+U(x)    (3)

其中，R，U分别为重建和双三次插值函数；F_n表示第n个残差块对应的函数，B_n-1表示第n个残差块的输入，F_n(B_n-1)＝B_n，B_n为第n个残差块的输出。

2.根据权利要求1所述的一种基于对称残差卷积神经网络的图像超分辨率重建方法，其特征在于，所述步骤S3特征提取计算关系为：

B₀＝f(x)     (1)

其中，f为特征提取函数，B₀为提取的特征。

3.根据权利要求1所述的一种基于对称残差卷积神经网络的图像超分辨率重建方法，其特征在于，所述步骤S4计算关系为：

B_m＝F_m(B_m-1)，m＝1,...,n    (2)

其中，F_m为第m个残差块对应的函数，B_m-1和B_m分别为第m个残差块的输入和输出。

4.根据权利要求3所述的一种基于对称残差卷积神经网络的图像超分辨率重建方法，其特征在于，所述计算关系为：

其中，B_m-1为当前残差块的输出，同时为下一个残差块的输入，D为降维操作，为第m-1个残差块中第z层卷积层的卷积操作，所述z的取值分别为1-6。