[发明专利]基于级联网络框架的图像超分辨率方法、级联网络

权利要求书

1.一种用于图像超分辨率的级联网络，其特征在于，包括：基础超分辨率网络、细节精修网络；所述细节精修网络与基础超分辨率网络级联；

所述基础超分辨率网络，用于获取目标图像的初步上采样结果；

所述细节精修网络，用于根据所述初步上采样结果，获取超分辨率图像结果。

2.根据权利要求1所述的用于图像超分辨率的级联网络，其特征在于，还包括：判别器网络；所述判别器网络，用于判别所述超分辨率图形结果与原始高分辨率图像的可信程度，根据所述可信程度进行学习，从而实现与所述细节精修网络的对抗式训练。

3.根据权利要求1所述的用于图像超分辨率的级联网络，其特征在于，所述细节精修网络，包括：特征提取器子网络、非线性映射子网络和重建子网络；

所述特征提取器子网络，用于根据初步上采样结果，提取粗特征；

所述非线性映射子网络，用于将所述粗特征，映射到具有高感知效果的特征空间，获取映射后的图像特征；

所述重建子网络，用于根据所述映射后的图像特征，重建获取超分辨率图像。

4.根据权利要求3所述的用于图像超分辨率的级联网络，其特征在于，所述特征提取子网络，用于：从低分辨率图像I^l中提取粗特征F_l；所述F_l的提取公式为：

F_l＝H₁(H₀(I^l))

其中，F_l为提取出的粗特征，H₁和H₀分别为卷积层，I^l代表输入的低分辨率图像。

5.根据权利要求3所述的用于图像超分辨率的级联网络，其特征在于，所述非线性映射子网络，用于基于密集连接的通道注意力模块，将特征提取器提取到的粗特征F_l映射到具有高感知效果的特征空间F_P；所述F_P的计算方式为：

F_P＝H_DID(F_L)

其中，F_P是经过映射后的图像特征；H_DID是密集连接的通道注意力模块。

6.根据权利要求5所述的用于图像超分辨率的级联网络，其特征在于，所述H_DID由k个密集连接的卷积组组成，对于不同的升分辨率倍数，k值不同；所述H_DID的计算方式为：

其中，代表密集连接的通道注意力模块中第K个卷积组，其中每一个卷积组的输入都是之前所有卷积组的输出和原始输入图像特征的结合。

7.根据权利要求1所述的用于图像超分辨率的级联网络，其特征在于，所述细节精修网络，用于：

根据所述初步上采样结果，获取初步超分辨率图像；

根据所述初步超分辨率图像与所述初步上采样结果相加并平均，获取所述超分辨率图像结果。

8.根据权利要求2所述的用于图像超分辨率的级联网络，其特征在于，所述判别器网络为相对判别器网络；

所述相对判别器网络，用于接受精修网络输出的超分辨率结果和原始的高分辨率图像，并判断相较于原始高分辨率图片，生成图片的可信程度。

9.根据权利要求8所述的用于图像超分辨率的级联网络，其特征在于，所述相对判别器，用于：对真实高分辨率图像和超分辨率图像的联合判别结果，为：

D_Ra(x_f,x_r)＝δ(C(x_f)-E[C(x_r)])→0；

其中，x_r代表真实高分辨率图像，x_f代表模型重建出的超分辨率图像，C为判别器网络，δ为Sigmod函数。

10.一种基于级联网络的图像超分辨率方法，其特征在于，包括：

基于基础超分辨率网络，获取目标图像的初步上采样结果；

基于细节精修网络，根据所述初步上采样结果，获取超分辨率图像结果。