[发明专利]一种基于网络反馈的图像超分辨率学习方法

权利要求书

1.一种基于网络反馈的图像超分辨率学习方法，其特征在于，包括以下步骤：

步骤(1)、使用卷积网络对低分辨率图像进行处理，获得浅层特征；

将低分辨率图像输入到一个具有4×m个卷积核大小为3×3以及m个卷积核大小为1×1的卷积网络中得到浅层特征输出作为反馈网络的输入；下一时刻的低分辨率图像由下采样得到，由于为初期重建的超分辨率图像，将重建后图像通过采样得到的图像作为下一时刻迭代的输入，形成反馈提升后期重建效果；

步骤(2)、将获得的低分辨率图像的浅层特征以及前一时刻反馈网络输出的高级特征通过反馈连接作为反馈网络的输入，通过反馈网络将高级特征作为低级特征的一种校正得到一个更高级的特征；具体步骤如下：

(2.1)将浅层特征以及高级特征作为反馈网络输入,通过m个卷积核大小为1×1的卷积层，将与连接并压缩，反馈信息细化输入特征产生细化的输入特征其中为其中卷积核k的大小取决于缩放倍数；

(2.2)将输入特征通过1个由m个卷积核大小为k×k，卷积核数量为m个的反卷积层进行上采样，生成1个高分辨率特征将高分辨率特征通过1个卷积核大小为k×k，卷积核数量为m个的的卷积层进行上采样,得到细化后的高级特征

(2.3)将得到细化后的高级特征作为输入特征，在步骤(2.2)中的卷积与反卷积操作前分别加入1层由卷积核大小为1×1，卷积核数量为m个的卷积层，进行步骤(2.2)相同操作，重复G次，得到低级特征生成的高级特征向量组以及对应的细化后的特征向量组

(2.4)为了下一个时刻的反馈输入包含更好的特征，将细化后的特征通过1层卷积核大小为1×1，卷积核数量为m个的卷积层进行融合生成反馈网络的输出

步骤(3)、将反馈网络的输出通过反卷积后再通过卷积得到残差图像，将原图像通过双线性插值上采样得到的图像与残差图像相加得到超分辨率图像；具体步骤如下：

(3.1)将反馈网络的输出通过m层卷积核大小为k的反卷积层，生成高分辨率特征图；将原图通过双线性插值得到一个大分辨率图

(3.2)将高分辨率特征图通过一个n层的卷积核大小为3×3的卷积层得到残差图像最后将大分辨率图与残差图像相加得到超分辨率图像当为灰度图时n＝1，彩色时n＝3。