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：南京信息工程大学

摘要：本发明公开了一种结合即插即用深度卷积网络和快速分裂的图像超分辨率方法，其包括以下步骤：（1）获取待处理的退化图像并进行预处理；（2）构建即插即用深度卷积和快速分裂网络即plug‑and‑play网络；包括：密集残差U型降噪模块和稀疏诱导项的图像恢复模块；（3）将预处理后的图像输入plug‑and‑play网络进行训练，最终得到处理后的清晰图像；本发明结合了深度卷积网络和传统算法，既可以发挥深度学习算法在提取特征时候的强大优势，也可以引入传统算法带来的先验知识，使模型具有比较强的解释性和鲁棒性，能够清晰地描述重建过程和优化过程，让整体的超分辨率效果有显著的提升。

主权项：1.一种结合即插即用深度卷积网络和快速分裂的图像超分辨率方法，其特征在于，包括以下步骤：（1）获取待处理的退化图像并进行预处理；包括以下步骤：（11）开源网站获取清晰图像和高斯模糊核k图像，对清晰图像进行裁剪、归一化、模糊操作、下采样操作，生成低分辨率的模糊图像；包括以下步骤：（111）读入清晰图像，进行裁剪操作，使图像的尺寸能够被2整除；（112）读入模糊核k图像，在第三个维度上增加一个维度；（113）将步骤（111）中的清晰图像像素值从整数类型转换为浮点数类型，并进行归一化处理；（114）对步骤（112）和步骤（113）中模糊核k图像和清晰图像进行卷积操作，通过周期填充图像边缘，将超出边界的像素值"环绕"到另一边，生成模糊图像；（115）对步骤（114）得到的模糊图像进行下采样，采样因子为2，生成低分辨率模糊图像；（12）生成均值为0、标准差为12.75高斯分布随机数，其中，12.75表示噪声水平，通过加法输入到模糊图像中，生成含噪音和模糊的退化图像；（2）构建即插即用深度卷积和快速分裂网络即plug-and-play网络；包括：密集残差U型降噪模块和稀疏诱导项的图像恢复模块；密集残差U型降噪网络具体如下：首先，在密集残差U型降噪模块中的正向传播模块后，增加梯度计算模块；然后训练网络；其中，梯度计算模块用于计算输入图像的正则化梯度；稀疏诱导项的图像恢复模块，公式如下： ；其中，=,=,目标函数为： ；其中，表示数据保真项，是稀疏诱导项，A表示模糊操作，x为要恢复的清晰图像，b为观测到的退化图像，是稀疏诱导项系数；对模块使用镜像惯性前向–反射–后向算法求解，公式如下： ；其中，初始变量，外推参数，步长，第k次迭代的结果为，表示第k次迭代的中间变量，是关于函数的邻近算子，表示对函数fx求关于x的梯度，持续迭代k次直到停止准则被满足；（24）使用密集残差U型降噪模块替换邻近算子，公式如下： ；其中，表示训练后的密集残差U型降噪网络；（3）将预处理后的图像输入plug-and-play网络进行训练，最终得到处理后的清晰图像；包括以下步骤：（31）输入清晰图像input_img、退化图像blur_img、模糊核k图像，公式如下：x=plug-and-play（input_img,blur_img,k）；其中，x为算法输出清晰、高分辨率重建图像，plug-and-play表示构建好的网络，input_img为原始清晰图像，用于对比图像重建效果，blur_img为退化图像，是重建对象，k是参与模糊卷积的模糊核；（32）使用三次插值法将步骤（31）中得到退化图像进行放大；其中，缩放因子为2；将退化图像放大后，向右下方平移退化图像0.5个像素来实现像素对齐，使用双线性插值法对平移后图像进行插值；（33）将模糊核k图像、清晰图像和退化图像转换为张量格式，计算退化图像的傅里叶变换值、傅里叶变换后的共轭复数、傅里叶变换后的平方以及将x上采样后与傅里叶变换后的共轭复数进行复数乘法；（34）利用plug-and-play网络进行重建，公式如下： ； ； ； ； ；其中，分别是第k次和第（k-1）迭代产生的结果，、、是第k+1次迭代过程中产生的中间变量，为最终重建结果，是迭代步长，是外推参数，表示关于保真项fx的梯度，Dg是密集残差U型网络梯度计算模块输出的正则项梯度，N是密集残差U型网络输出的降噪结果,表示梯度下降的结果，是权重参数，用于控制和俩部分的比重；（35）设置最大迭代次数1000次和李雅普诺夫Lyapunov停止准则，当达到最大迭代次数或者当相邻两次迭代之间的变化值比当前值小，即当迭代次数1000或者|diff_PsiPsi_old|时，停止执行，得到并保存重建后的图像；其中diff_Psi为系统差异值，Psi_old为第k次迭代系统状态值。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种结合即插即用深度卷积网络和快速分裂的图像超分辨率方法