[发明专利]一种基于残差引导策略的图像插值模型训练方法

权利要求书

1.一种基于残差引导策略的图像插值模型训练方法，其特征在于，包括：

获取高分辨率图像；对所述高分辨率图像进行降采样，得到低分辨率图像；根据所述低分辨率图像，生成预插值图像；

对所述高分辨率图像和所述预插值图像做差，得到初始残差；

利用所述预插值图像和所述初始残差对随机森林进行训练；在训练过程中，所述随机森林按层同步生长，所述初始残差作为第一层级残差，在所述随机森林的任意层级，学习所述预插值图像与当前层级残差之间的映射关系进而生成估计残差，对所述当前层级残差与所述估计残差做差，得到下一层级残差；

在达到训练终止条件时，输出各层级映射关系均确定的随机森林，以作为图像插值模型。

2.如权利要求1所述的方法，其特征在于，所述随机森林被划分为多组随机森林，所述利用所述预插值图像和所述初始残差对随机森林进行训练，包括：

生成所述预插值图像的特征向量；

按照不动点分布模式，对所述特征向量进行分组，其中所述特征向量的分组数量等于所述随机森林的分组数量；

在训练所述随机森林时，每组所述特征向量和所述初始残差中相应的残差向量训练一组随机森林。

3.如权利要求2所述的方法，其特征在于，所述生成所述预插值图像的特征向量，包括：

利用一维的一阶梯度算子和二阶梯度算子对所述预插值图像进行滤波，生成对应的四幅特征图像；对所述四幅特征图像进行采样，得到每个采样位置的特征向量。

4.如权利要求3所述的方法，其特征在于，所述四幅特征图像的采样方式具体为：以步长为1间隔地进行采样；

相应的，所述不动点分布模式有4种，所述特征向量的分组数量和所述随机森林的分组数量均为4。

5.如权利要求1所述的方法，其特征在于，所述图像插值模型具体包括K级所述随机森林；第一级随机森林的预插值图像为利用预设插值算法生成的图像，对于任意k∈[2,K]，第k级随机森林的预插值图像为经过前k-1级随机森林依次进行插值得到的图像。

6.如权利要求5所述的方法，其特征在于，所述图像插值模型中，不同级随机森林的高分辨率图像不同。

7.如权利要求1至6任意一项所述的方法，其特征在于，所述随机森林按层同步生长，包括：

在所述随机森林的任意层级，判断是否存在未被处理的目标节点；

若存在，生成从所述目标节点包含的特征向量到所述目标节点包含的残差向量的第一线性变换，进而生成从所述目标节点包含的特征向量到目标残差向量的第二线性变换，其中所述目标残差向量为与所述目标节点有交集的残差向量；

若不存在，则判断是否达到分裂终止条件；

若达到，则确定所述目标节点属于叶子节点，并记录所述目标节点的第二线性变换，最终全部叶子节点的第二线性变换即所述预插值图像与各层级残差之和之间的映射关系；

若未达到，则确定所述目标节点属于内部节点，并通过节点分裂进入下一层级；在节点分裂过程中，随机选取分裂参数并对所述目标节点进行分裂，根据分裂前后误差减少量确定最优分裂参数，记录所述目标节点的最优分裂参数。

8.一种基于残差引导策略的图像插值方法，其特征在于，包括：

获取待插值的低分辨率图像；

根据所述低分辨率图像，生成预插值图像；

将所述预插值图像输入训练好的随机森林；在所述随机森林的任意层级，根据训练过程中学习到的预插值图像与当前层级残差之间的映射关系生成估计残差；

根据各层级的所述估计残差和所述预插值图像，生成所述低分辨率图像的插值图像。

9.一种计算机设备，其特征在于，包括：

存储器：用于存储计算机程序；

处理器：用于执行所述计算机程序，以实现如权利要求1至7任意一项所述的基于残差引导策略的图像插值模型训练方法，和/或，如权利要求8所述的基于残差引导策略的图像插值方法。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1至7任意一项所述的基于残差引导策略的图像插值模型训练方法，和/或，如权利要求8所述的基于残差引导策略的图像插值方法。