[发明专利]融合仿生视觉机制的卷积神经网络图像超分辨率重建方法

说明书

本发明公开了一种融合仿生视觉机制的卷积神经网络图像超分辨率重建方法，首先，采用模拟人类视觉注意机制的显著性检测方法，对遥感图像进行显著性区域检测；其次，针对显著性区域，采用基于卷积神经网络的图像超分辨率重建方法，进行超分辨率重建；最后，对非显著区域，采用双三次插值法，进行超分辨率重建。与现有的基于卷积神经网络图像超分辨率重建方法相比，本发明提出的方法能够快速地对图像进行超分辨率重建，适用于实时性要求比较严格的场合。

技术领域

本发明属于图像处理领域，尤其涉及一种融合仿生视觉机制的卷积神经网络图像超分辨率重建方法。

背景技术

现实生活中，各种成像仪器自身硬件条件有很大的局限性，得到的图像的分辨率时常达不到实际需求。而仅仅通过改善硬件条件以期获得高分辨率，代价是昂贵的。因此，有必要研究通过软件方式提高分辨率的方法。图像超分辨率重建就是指根据一幅或多幅分辨率较低的图像，采用软件方式重构出一幅图像，这幅图像分辨率明显高于原始图像。

遥感图像幅面较大，所含信息极多，如果直接对整幅遥感图像进行处理会大大降低处理速度。

发明内容

本发明的目的在于提供一种融合仿生视觉机制的卷积神经网络图像超分辨率重建方法，可以去除人眼不关注的图像内容，有效地减少需要重建的图像区域，大大提升算法效率。

实现本发明目的的技术解决方案为：一种融合仿生视觉机制的卷积神经网络图像超分辨率重建方法，包括：

采用模拟人类视觉注意机制的显著性检测方法，对遥感图像进行显著性区域检测；

针对显著性区域，采用基于卷积神经网络的图像超分辨率重建方法，进行超分辨率重建；

对非显著区域，采用双三次插值法，进行超分辨率重建。

与现有技术相比，本发明的显著优点为：本发明的重建算法兼顾了遥感图像的重建质量和重建时间，只对显著区进行重建，加快了重建速度，提高了效率，同时保证了显著区的重建质量，不会影响人们对重要信息的细节的获取。

附图说明

图1为本发明实施的框架图。

图2(a)～图2(e)为本发明算法对视觉显著区重建结果图，分别为停车场、停机坪、断路口、大型港口、公路转盘，其中第一列为低分辨率图像，第2列为显著图，第3列为显著区域，第4列为重建后的图像。

图3为重建前后图像部分细节对比图。

具体实施方式

如图1所示，一种融合仿生视觉机制的卷积神经网络图像超分辨率重建方法，包括以下步骤：

(1)采用模拟人类视觉注意机制的显著性检测方法，对遥感图像进行显著性区域检测；

(1.1)颜色、亮度特征提取

假设r、g、b分别是输入彩色图像的红、绿、蓝通道，则亮度通道I为：

I＝(r+g+b)/3

人眼在低亮度值下对颜色的敏感度低，所以根据亮度通道I对r、g、b三个颜色通道进行归一化。人眼在低亮度值下对颜色的敏感度低，所以根据亮度通道I对r、g、b三个颜色通道进行归一化。图像中亮度I＞Maxinum/10的像素进行归一化，小于等于这个亮度值的像素置零，其中Maxinum为图像中所有亮度值中最大的那一个。根据归一化后的r、g、b值，通过计算可得到红、绿、蓝、黄(R、G、B、Y)四个颜色通道，对其值进行非负约束，将小于0的值用0代替。计算公式如下：

R＝r-(g+b)/2

G＝g-(r+b)/2

B＝b-(r+g)/2