[发明专利]一种基于反应扩散方程的图像超分辨率重建方法

权利要求书

1.一种基于反应扩散方程的图像超分辨率重建方法，其特征在于，包括：

建立图像超分辨率重建模型，具体包括：

步骤1.1：采集若干高分辨率图像；

步骤1.2：使用双三次插值方法将高分图像按照若干设定倍数下采样降质得到低分辨率图像；定义高分图像降质得到的低分图像，高分图像作为一个图像样本，所有的图像样本一起构成图像超分数据集，并将数据归一化以便于处理,具体是将数据除以图像数据的最大值,一般为255,使得图像数据的取值范围由[0,数据最大值]变成[0,1]；

步骤1.3：根据高分图像分辨率的大小把步骤1.2得到的数据集划分成两部分；按照设定划分分辨率阈值，高于分辨率阈值的第一部分中高分图像的分辨率高，把第一部分图像裁剪为尺寸小的图像块得到低分图像块，高分图像块作为训练集；低于分辨率阈值的第二部分中高分图像的分辨率低，这些低分图像，高分图像样本不做裁剪，直接作为测试集；

步骤1.4：构建基于反应扩散方程的级联深度网络；网络包括：

特征提取模块，使用一层卷积从低分图像上提取初始特征；

特征变换模块：由8个基本模块与一个长跨层连接组成，其中基本模块由4个残差模块和短跨层连接，长短跨层连接加强了变换过程中浅层特征与深层特征的融合，降低了训练深层网络的难度；

反应扩散模块：首先使用反卷积层放大特征的尺度，接着将变换后的特征与预估超分图像一起输入反应扩散过程，让反应扩散过程引导局部图纹的生成；

步骤1.5：使用训练集来更新网络的参数，网络参数使用Kaiming初始化，由L1损失，利用Adam优化器计算梯度并进行参数更新；在迭代设定次数后，模型收敛，得到建立好的图像超分辨率重建模型；

采用建立好的图像超分辨率重建模型进行图像超分辨率重建，具体包括：

步骤2.1、采集需要重建的低分辨率图像，并将图像归一化得到可以处理的低分图像数据；

步骤2.2、把低分图像数据输入到建立好的图像超分模型,由特征提取模块提取特征,特征变换模块对特征进行变换，最后由反应阔散模块重建得到模型的输出；

步骤2.3、把模型的输出乘以255，将数据重新还原为原本图像数据的范围[0,255]得到最终的图像超分重建结果。

2.根据权利要求1所述的一种基于反应扩散方程的图像超分辨率重建方法，其特征在于：特征提取模块f_e由1层卷积f_conv组成，卷积f_conv为深度模型的基本单元,其由卷积核与偏置项确定,c_i表示输入数据的通道数,c_o表示输出通道数,k表示卷积核尺寸,输入为低分图像x^LR∈R^3×h×w,3表示输入彩色RGB红绿蓝3个通道的图像数据,h,w分别表示输入低分图像的高和宽,即输入数据是由3个矩阵堆叠而成,每个矩阵的维度都是h×w；输出为初始特征F⁰∈R^64×h×w，即初始特征由64个矩阵堆叠而成,输出通道数为64，每个矩阵分别保存了图像数据某一方面的特征；特征的选取由这层卷积的参数为w₀∈R^64×3×3×3,b₀∈R⁶⁴确定,即F⁰＝f_e(x^LR)＝f_conv(w₀,b₀,x^LR)，w₀,b₀根据步骤1.5确定。