[发明专利]基于生成对抗网络的满文图像超分辨率重建方法

说明书

基于生成对抗网络的满文图像超分辨率重建方法，属于计算机图像处理领域，为了解决低分辨率满文图像进行超分辨率重建的问题，包括如下步骤：S1.准备训练样本；S2.基于生成对抗网络搭建实现满文图像超分辨率模型，能够学习高低分辨率的满文图像间映射关系，从而对低分辨率满文图像进行超分辨率重建。

技术领域

本发明属于计算机图像处理领域，具体涉及一种基于生成对抗网络的满文文档图像超分辨率重建方法。

背景技术

图像超分辨率重建(SuperResolutionReconstruction,SRR)技术，是指在不提升硬件性能的情况下，使用纯技术手段来解决因硬件性能局限或采集对象本身问题等原因造成的图示信息模糊的问题。简而言之，SRR技术能够在不提升采集设备性能的情况下对图像进行从低分辨率(LowResolution)到高分辨率(HighResolution)的重建从而获得更多的图示信息。

传统的图像重建方法，例如基于插值的图像重建方法、基于重建的图像重建方法以及部分基于学习的图像重建方法(SRCNN等)。这些方法生成的结果虽然都具有较高的PSNR等客观评测指标，但其生成的结果大多过于平滑致使缺少一些关键的图像细节信息。特别是在满文文档图像的超分辨率任务中，一些关键的满文文字细节信息被忽视就会产生很大的歧义。

发明内容

为了解决低分辨率满文图像进行超分辨率重建的问题，以使得文档图像能够具有更好的细节表现，本发明提出如下技术方案：一种基于生成对抗网络的满文图像超分辨率重建方法，包括如下步骤：

S1.准备训练样本；

S2.基于生成对抗网络搭建实现满文图像超分辨率模型。

进一步的，所述的基于生成对抗网络的满文图像超分辨率重建方法，还包括

S3.由训练样本和损失函数对模型进行调整。

进一步的，准备训练样本的步骤为：

扫描满文文档，并获得高分辨率的满文文档图像HR^(1～n)，其中n为扫描得到的高分辨率满文图像的数量，将得到的高分辨率满文文档图像采用插值算法进行下采样，并获得低分辨率图像LR^(1～n)，其中n为低分辨率满文图像的数量，将高分辨率的满文文档图像HR^(1～n)与低分辨率图像LR^(1～n)一一对应组成模型的训练数据集。

进一步的，基于生成对抗网络搭建实现满文图像超分辨率模型的步骤为：构建生成器及判别器。

进一步的，所述构建生成器：使用5个相同结构的残差块和2个亚像素卷积层构建而成生成器，生成器结构是：

第1操作是Input输入层，用于输入图像是训练数据中低分辨率RGB三通道图像；

第2操作是G-Conv-1层，是卷积层，卷积核为9像素×9像素，步长1像素，包含64个滤波器；

第3操作是PReLu层，其将G-Conv-1层的输入信号进行非线性变换，；

第4-8操作均是Residualblock残差块，且五个操作是5个结构相同的Residualblock残差块，用于对低分辨率图像的图示信息特征进行提取；

第9操作包括G-Conv-2卷积层、BN操作、Sum操作，其中G-Conv-2卷积层的卷积核为3像素×3像素，步长1像素，包含64个滤波器，BN表示批量归一化操作，Sum表示输出求和；