[发明专利]密集连接生成对抗网络单幅图像超分辨率重建方法

说明书

本发明属于视频和图像处理领域，为使得高分辨率图像的重建效果和重建精度获得进一步提升,推动生成对抗网络的结构以及损失函数的改进，本发明密集连接生成对抗网络单幅图像超分辨率重建方法，包括生成网络和对抗网络两部分，生成网络采用残差密集网络RDN的基本框架，对抗网络采用深度卷积生成对抗网络DCGAN鉴别器网络框架，低分辨率图像作为输入送进生成网络经处理后，将得到的输出送到对抗网络进行判定，判定结果再通过损失函数反馈回生成网络，如此循环，直至对抗网络判定合格，生成网络可以生成清晰图像，然后利用训练好的生成网络完成低分辨率图像的超分辨率重建。本发明主要应用于图像处理场合。

技术领域

属于视频和图像处理领域，涉及到图像超分辨率重建算法的改进和深度学习理论与图像超分辨率重建的融合，密集残差卷积神经网络以及生成对抗网络在高分辨率图像重建领域的实现与应用。具体涉及基于密集连接的生成对抗网络单幅图像超分辨率重建方法。

背景技术

图像超分辨率是指通过利用单幅或多幅低分辨率降质图像序列来获得相应的高分辨率图像的过程。在图像处理领域的许多实际应用中，人们往往希望获取高分辨率的原始图像，因为高分辨率的图像意味着更高的像素密度，可以提供更丰富的高频细节信息，从而为图像的后期处理和图像信息的准确提取与利用创设良好的基础。但在现实情况下，由于硬件成像设备和光照条件限制、人为或自然因素干扰等原因，在成像、传输、存储等过程中都有可能引入不同类型的噪声，这些因素都会直接影响图像的质量，我们往往很难获得所期望的高分辨率图像。因此如何提升所获取图像的质量，得到符合应用需求的高分辨率图像就成为图像处理中的一个关键研究课题。同时，作为一门有着较强专业性的实用技术，图像超分辨率重建在生物医疗[1]、卫星遥感[2]、医学影像以及公共安全[3]和国防军事和科技领域有着极为广泛的应用前景，愈发受到人们的重视。例如：在高清数字电视信号应用系统中采用超分辨率重建技术可以进一步降低信号的传输成本，同时又能够保证画面的清晰度和质量。在军用图像和卫星观测图像中往往可以获取关于同一地域的多帧图像，基于此采用超分辨率重建技术可以实现高于系统分辨率的图像观测，提升目标观测准确性。在医学成像系统(CT、核磁共振成像(MRI))中利用超分辨率技术可以提升图像质量，对于病变目标的细节进行清晰呈现，辅助病人的治疗。在银行、交通路口、商场等公共场所，可以通过对监控图像关键部分的超分辨率重建，抓取更多细节信息，为诸多公共安全事件的处理提供重要线索。