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：上海交通大学

摘要：本发明提供一种基于融合退化先验的核反卷积盲图像超分辨率重建网络；低分辨率图像输入所述上采样网络，重建出满足原始模糊核约束的高分辨率尺度的过渡图像；将所述过渡图像和所述原始模糊核输入所述反卷积网络，实现高分辨率图像的重建。本发明通过引入退化建模的方式，将盲图像超分辨率重建解耦，并将完整原始模糊核显式引入重建过程中，避免了由于引入预生成的模糊核降维手段而带来的模糊核信息丢失，以及面对未知退化核而带来的泛化性问题，端到端的实现了盲图像超分辨率重建。

主权项：1.一种基于融合退化先验的盲图像超分辨率重建方法，其特征在于，包括：将盲图像超分辨率重建任务解耦成上采样网络和反卷积网络；低分辨率图像输入所述上采样网络，重建出满足原始模糊核约束的高分辨率尺度的过渡图像；将所述过渡图像和所述原始模糊核输入所述反卷积网络，实现高分辨率图像的重建；所述低分辨率图像输入所述上采样网络，重建出满足原始模糊核约束的高分辨率尺度的过渡图像，包括：低分辨率图像输入所述上采样网络；对所述低分辨率图像进行特征提取和映射，获得低分辨率图像特征；将所述低分辨率图像特征进行尺度变换并映射回图像域；生成高分辨率尺度过渡图像；将所述过渡图像和所述原始模糊核输入所述反卷积网络，实现高分辨率图像的重建，包括：对上采样网络输出的高分辨率尺度过渡图经过卷积神经网络提取图像特征；对所述图像特征和所述原始模糊核分别进行傅里叶变换，从特征区到频域，对应得到特征图频域特征和模糊核频域特征；将所述特征图频域特征和所述模糊核频域特征分别进行变换；在频域使用变换后的模糊核频域特征对变换后的特征图频域特征进行滤波和校正；重建出对应高分辨率清晰图像；所述对上采样网络输出的高分辨率尺度过渡图经过卷积神经网络提取图像特征，其中：在反卷积网络中，所述卷积神经网络对输入的过渡图像进行特征提取得到其对应的特征为fi∈RsH×sW,N表示需要使用的特征数量；所述对所述图像特征和所述原始模糊核分别进行傅里叶变换，从特征域到频域，对应得到特征图频域特征和模糊核频域特征，其中：提取的特征和所述原始模糊核k∈Rm×m分别进入频域反卷积模块KFFC，使用傅里叶变换将特征与对应的模糊核变换到频域，得到特征图频域特征和模糊核频域特征将所述特征图频域特征和所述模糊核频域特征分别进行变换，其中：所述模糊核频域特征与特征图频域特征尺度不一致，对所述模糊核频域特征进行频谱搬移；所述在频域使用变换后的模糊核频域特征对变换后的特征图频域特征进行滤波和校正，其中：将通过不同的非线性网络进行映射，并通过显式图像特征滤波实现对于反卷积过程的拟合，以实现自适应的参数滤波，所述滤波过程为： 式中，⊙表示元素点积； 为傅里叶频谱的实部，为傅里叶频谱的虚部；点积表示为A⊙Bij＝Aij·Bij，A，B为两个尺度一致的矩阵。

全文数据：

权利要求：

百度查询： 上海交通大学 一种基于融合退化先验的盲图像超分辨率重建方法和系统