[发明专利]一种用于图像超分辨率的重建方法

权利要求书

1.一种用于图像超分辨率重建方法，其特征在于，包括：

步骤一、建立生成对抗网络和特征提取器，所述生成对抗网络由至少三个神经网络组成包括：生成模型、判别模型和特征提取器；

步骤二、将待处理图像输入所述生成对抗网络的生成模型中，得到第一输出，其中，所述第一输出为分辨率高于所述待处理图像的图像；

步骤三、将所述第一输出输入特征提取器，进行特征提取后，得到第二输出，其中，所述第二输出包括了：对应于所述第一输出的不同深度的特征图；

步骤四、将所述第一输出输入所述生成对抗网络的判别模型，得到第三输出，其中，所述第三输出表现为为一个二维矩阵，矩阵中的每一个值各自代表了所述第一输出的图像中的一个区域的细节纹理的逼真程度，数值的大小与图像中的对应区域的细节纹理的逼真程度正相关；

步骤五、训练所述生成对抗网络的判别模型，并优化所述生成对抗网络的生成模型。

2.根据权利要求1所述的方法，其特征在于，所述特征提取器由至少一个神经网络组成，包括一个预先训练好的分类网络，该分类网络用于提取图像特征。

3.根据权利要求1所述的方法，其特征在于，组成所述生成对抗网络的每一个神经网络的结构中，至少包括：初始层和末尾层，所述初始层由一个卷积层构成，末尾层由亚像素卷积构成，所述初始层与末尾层之间设置了总共23RRDB模块；

所述生成对抗网络的激活函数为LeakyReLU：其中，i表示向量或矩阵的索引，x_i表示输入的第i个值，y_i表示输出的第i个值，a是一个常数，用于修正x_i小于0时输出的值。

4.根据权利要求2所述的方法，其特征在于，在所述步骤一中，包括：

利用密集残差块(RRDB)构建生成模型所述生成对抗网络中的生成模型；

其中，在生成模型密集残差块(RRDB)中，通过稠密块(Dense Block)模块输出对应所述待处理图像的特征；

并且，在生成模型密集残差块(RRDB)中，ResNet中每3个残差块就将其输出与前3层的输出叠加构成残差。

5.根据权利要求4所述的方法，其特征在于，在每个Dense Block中：

x_l＝H_l([x₀，x₁，...，x_l-1])

其中，l表示层数，x_l表示l层输出的特征图，[x₀，x₁，...，x_l-1]表示将第0，1，...，l-1层特征图的串联，H_l表示稠密块包含3*3的卷积和LeakyReLU。

6.根据权利要求5所述的方法，其特征在于，ResNet表示为：

x_l＝H_l(x_l-1)+x_l-1

其中，H_l表示3*3的卷积和LeakyReLU，x_l-1为第l-1的输出、第l层的输入第l层的输出为l-1层的输出经过卷积和LeakyReLU后加上l-1层的输出。