[发明专利]基于级联收缩扩张的深度残差网络图像超分辨率重建方法

权利要求书

1.一种基于级联收缩扩张的深度残差网络图像超分辨率重建方法，其特征在于包括：

步骤S1，获取低分辨率观测图像序列，对所述序列中任意一幅图像进行双三次差值运算，得到高分辨率图像的初始估值；

步骤S2，基于级联收缩扩张的深度残差神经网络，对初始估值图像进行深度残差神经网路训练，将训练好的特征图与初始估值图像相加，恢复出低分辨率图像对应的高分辨率图像。

2.根据权利要求1所述的基于级联收缩扩张的深度残差网络图像超分辨率重建方法，其特征在于：步骤S2中，对初始估值图像进行深度残差神经网路训练，包括：首先采用收缩子网络收缩初始估值图像特征，然后通过扩展子网络将收缩的图像特征进行扩展输出，最后通过重建子网络恢复出低分辨率图像对应的高分辨率图像。

3.根据权利要求2所述的基于级联收缩扩张的深度残差网络图像超分辨率重建方法，其特征在于：收缩子网络收缩步骤为，将初始估值图像输入到收缩子网络第一级卷积层得到第一收缩层C1；第一收缩层C1经过下采样操作，再经过一次卷积层学习收缩得到第二收缩层C2；第二收缩层C2经过下采样操作，再经过一次卷积层学习得到第三收缩层C3；第三收缩层C3经过下采样操作，再经过三次卷积层学习得到第四收缩层C4，第四收缩层C4作为扩展子网络中的第一扩展层D1。

4.根据权利要求2所述的基于级联收缩扩张的深度残差网络图像超分辨率重建方法，其特征在于：扩展子网络扩展步骤为，第一扩展层D1经上采样操作后与第三收缩层C3相加，得到第二扩展层D2；第二扩展层D2经过一次卷积层学习和上采样操作后，再与第二收缩层C2相加，得到第三扩展层D3；第三扩展层D3经过一次卷积层学习和上采样操作后，再与第一收缩层C1相加，得到第四扩展层D4，第四扩展层D4经过一次卷积层学习，重复收缩步骤和扩展步骤。

5.根据权利要求2所述的基于级联收缩扩张的深度残差网络图像超分辨率重建方法，其特征在于：重建子网络重建步骤为，在重复扩展子网络中，第二扩展层D2经过两次上采样操作到第四扩展层D4，输出第三特征图R3；第三扩展层D3经过一次上采样操作到第四扩展层D4，输出第二特征图R2；经过扩展子网络扩展步骤，得到的第四扩展层D4输出第一特征图R1；第一特征图R1、第二特征图R2与第三特征图R3相加得到训练好的特征图，训练好的特征图进行卷积操作后，再和初始估值图像相加，获得低分辨率图像对应的高分辨率图像。

6.根据权利要求3-4所述的基于级联收缩扩张的深度残差网络图像超分辨率重建方法，其特征在于：收缩子网络中执行步长为2的卷积下采样操作，扩展子网络中执行步长为2的反卷积上采样操作，网络中的每一层由3×3滤波器和激活函数运算组成。

7.根据权利要求3所述的基于级联收缩扩张的深度残差网络图像超分辨率重建方法，其特征在于：收缩子网络中，第二收缩层C2和第一收缩层C1采样完成后，经过快捷连接直达扩展子网络对应层或到达收缩子网络的下一级收缩层。