[发明专利]一种提高超分辨率算法重构性能的方法

权利要求书

1.一种提高超分辨率算法重构性能的方法，其特征在于，包括：

根据成像系统的类型搭建图像采集系统；

基于搭建的图像采集系统与成像系统的类型采用特定方式采集高分辨率图与低分辨率图，作为原始图像对；

对原始图像对依次进行空间位置对齐、曝光误差补偿以及颜色校准，得到配准后的图像对；

使用配准后的图像对构造训练数据集与验证数据集，并使用这两个数据集调优基于深度学习的超分辨率算法的参数，得到最优模型，从而提高超分辨率算法在真实成像系统中的重构性能。

2.根据权利要求1所述的一种提高超分辨率算法重构性能的方法，其特征在于，所述根据成像系统的类型搭建图像采集系统包括：

对于单反相机成像系统，使用三脚架固定单反相机，设置、调整并固定单反相机与拍摄物体的距离；

对于手机相机成像系统，使用平移台与固定器稳定手机，设置并固定相对拍摄物体两个不同距离的采集点。

3.根据权利要求2所述的一种提高超分辨率算法重构性能的方法，其特征在于，所述基于搭建的图像采集系统与成像系统的类型采用特定方式采集高分辨率图与低分辨率图包括：

对于单反相机成像系统，通过调整光学可变焦镜头进行图像采集，将最大焦距下采集的图像作为高分辨率图，将最小焦距下采集的图像作为低分辨率图；

对于手机相机成像系统，通过平移相机调整相对拍摄物体的距离，将较小距离的采集点处采集的图像作为高分辨率图，将较大距离的采集点处采集的图像作为低分辨率图。

4.根据权利要求1所述的一种提高超分辨率算法重构性能的方法，其特征在于，所述对原始图像对依次进行空间位置对齐、曝光误差补偿以及颜色校准包括：

对原始图像对分别抽取关键点特征，基于关键点特征使用随即抽样一致性算法进行特征点位置匹配，利用得到的一组匹配特征点拟合仿射变换参数，拟合从低分辨率图像变换到高分辨率图像的变换模型，从而实现从低到高分辨率图像的空间位置对齐；

分别求取对其后的原始图像对的全局平均值，得到对应的直流分量，再根据直流分量补偿相应图像的曝光误差；

分别采集原始图像对下标准色卡的样本数值，拟合三组多项式参数模型，使用拟合得到的映射函数实现从低分辨率图到高分辨率图的颜色校准。

5.根据权利要求1所述的一种提高超分辨率算法重构性能的方法，其特征在于，所述使用配准后的图像对构造训练数据集与验证数据集，并使用这两个数据集调优基于深度学习的超分辨率算法的参数，得到最优模型包括：

使用配准后的图像对构造训练数据集D与验证数据集V；其中，对训练数据集D中的训练数据进行裁剪得到若干相同分辨率的子图像块；然后，将剪裁得到的图像块拼接成具有相同数量图像块的图像批，用于随机梯度下降；其次，对训练数据进行包含不同角度旋转、左右与上下镜像的数据扩增操作；

将在训练数据集D中训练得到的超分辨率模型在验证数据集V上进行检验，选择恢复损失最小的模型作为最优模型。