[发明专利]一种超分辨率图像重建系统

权利要求书

1.一种超分辨率图像重建系统，其特征在于，包括：图像获取模块、图像分解模块、图像融合模块和图像重建模块，所述图像获取模块、所述图像分解模块、所述图像融合模块和所述图像重建模块连接；

所述图像获取模块，用于获取若干幅低分辨率图像；

所述图像分解模块，用于对所述低分辨率图像进行分解；

所述图像融合模块，用于将分解后的结果进行融合；

所述图像重建模块，用于对融合后的图像进行重建，获得高分辨率图像。

2.如权利要求1所述的超分辨率图像重建系统，其特征在于，

所述图像获取模块与所述图像分解模块连接，所述图像分解模块用于将所述低分辨率图像采用分解算法分解为结构部分和纹理部分，获得低分辨率结构图像和低分辨率纹理图像。

3.如权利要求2所述的超分辨率图像重建系统，其特征在于，

所述图像分解模块与所述图像融合模块连接，所述图像融合模块包括图像训练单元、图像重构单元和图像融合单元，

所述图像训练单元，用于将所述低分辨率结构图像和所述低分辨率纹理图像进行训练，构建超分辨率图像重构模型；

所述图像重构单元，用于基于卷积神经网络对所述超分辨率图像重构模型中的图像信息进行重构；

所述图像融合单元，用于将重构后的图像进行特征融合，获得融合高分辨率图像。

4.如权利要求3所述的超分辨率图像重建系统，其特征在于，

所述图像训练单元具体包括：将所述低分辨率结构图像和所述低分辨率纹理图像输入基于残差结构的多层卷积神经网络进行学习，并获得超分辨率图像重构模型；

所述基于残差结构的多层卷积神经网络包括至少七层结构。

5.如权利要求4所述的超分辨率图像重建系统，其特征在于，

所述图像重构单元具体包括：对所述基于残差结构的多层卷积神经网络输入的所述低分辨率结构图像和所述低分辨率纹理图像使用一个卷积层，再进行上采样获得重建后的超分辨率结构图像和超分辨率纹理图像；

将所述超分辨率结构图像和所述超分辨率纹理图像与标准的高分辨率结构图像和高分辨率纹理图像计算范数的损失函数，并利用反向传播算法更新所述超分辨率图像重构模型的参数；

通过不同的高低分辨率图像继续更新所述超分辨率图像重构模型参数。

6.如权利要求5所述的超分辨率图像重建系统，其特征在于，

所述图像融合单元具体包括：将所述低分辨率结构图像与所述高分辨率结构图像进行融合，获得第一融合结果；

将所述低分辨率纹理图像与所述高分辨率纹理图像进行融合，获得第二融合结果；

将所述第一融合结果和所述第二融合结果通过融合的方法，获得融合高分辨率图像。

7.如权利要求6所述的超分辨率图像重建系统，其特征在于，所述图像融合模块与所述图像重建模块连接，所述图像重建模块包括图像修正单元、最优模型单元和图像等级单元，

所述图像修正单元，用于采用迭代反投影法对所述融合高分辨率图像进行若干次修正，获得修正图像；

所述最优模型单元，用于将所述修正图像输入构建的最优模型中进行若干次优化，获得优化图像；

所述图像等级单元，用于将所述优化图像进行等级划分。

8.如权利要求7所述的超分辨率图像重建系统，其特征在于，所述系统还包括图像放大模块，用于将所述高分辨率图像按照若干种比例放大，并与所述低分辨率图像进行比较，与所述低分辨率图像内容一致。