买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川新视创伟超高清科技有限公司

摘要：本发明提供一种基于深度学习的超分辨率图像复原方法及其复原系统，属于图像处理技术领域，通过收集待复原图像同领域的低分辨率图像样本及其对应的高分辨率图像样本，构建包含多尺度特征提取模块的卷积神经网络，提取预处理后的低分辨率图像样本在多个尺度下的增强特征，对多个尺度下的增强特征进行渲染处理，以合成非常规降质图像中丢失的高频细节以及增强非常规降质图像中的纹理特征，利用经过处理的低分辨率图像样本及其对应的高分辨率图像样本训练残差网络模型，得到训练好的残差网络模型，将待复原图像输入训练好的残差网络模型，即可输出复原后的超分辨率图像，显著提升复原图像质量，有效恢复高频细节，增强纹理特征，提高视觉体验。

主权项：1.一种基于深度学习的超分辨率图像复原方法，其特征在于，所述复原方法包括以下步骤：S1：收集待复原图像同领域的低分辨率图像样本及其对应的高分辨率图像样本，并对所述低分辨率图像样本进行预处理，其中，所述低分辨率图像样本为非常规降质图像；S2：构建包含多尺度特征提取模块的卷积神经网络，并通过所述卷积神经网络的多尺度特征提取模块提取预处理后的低分辨率图像样本在多个尺度下的增强特征；S3：对多个尺度下的增强特征进行渲染处理，以合成非常规降质图像中丢失的高频细节以及增强非常规降质图像中的纹理特征，其中，所述渲染处理包括利用光线追踪细节合成网络合成丢失的高频细节，以及根据材质属性定制化地选用纹理合成方法增强对应的纹理特征；S4：利用经过步骤S1、步骤S2和步骤S3处理的多个尺度下的低分辨率图像样本及其对应的高分辨率图像样本训练残差网络模型，得到训练好的残差网络模型；S5：将待复原图像输入训练好的残差网络模型，输出复原后的超分辨率图像；步骤S1具体包括以下步骤：S101：从大规模图像库中筛选出与待复原图像同领域的低分辨率图像样本及其对应的高分辨率图像样本；S102：对筛选出的低分辨率图像样本进行基础预处理，所述基础预处理包括尺寸统一、灰度化和色彩空间转换；S103：基于非局部均值方法NLM对基础预处理后的低分辨率图像样本进行去噪处理；步骤S103具体包括：分块处理：将经基础预处理后的低分辨率图像划分为多个重叠的像素块；相似性度量：计算每个像素块与其他所有像素块的相似度；加权平均：对每个像素块，基于其与相邻像素块的相似度进行加权平均；合成输出图像：将所有处理后的像素块重新组合成去噪后的低分辨率图像样本；步骤S3具体包括以下步骤：S301：对不同尺度下的增强特征细化处理，得到细化后的特征；S302：基于细化后的特征，使用光线追踪细节合成网络模拟光线在虚拟场景中与不同材质表面的交互，以逆向生成并填充非常规降质图像中丢失的高频细节；S303：分析低分辨率图像中不同区域的材质属性，并根据低分辨率图像中不同区域的材质属性定制化地选择纹理合成方法增强对应的纹理特征；S304：将通过光线追踪合成的高频细节与根据材质属性定制合成的纹理特征相结合。

全文数据：

权利要求：

百度查询： 四川新视创伟超高清科技有限公司 基于深度学习的超分辨率图像复原方法及其复原系统