简介:
本发明提供了一种超分辨率图像的重构方法和重构系统,该超分辨率图像的重构方法和重构系统通过将传统的像素插值图像重构方式与深度卷积神经网络模型学习训练图像重构方式两者进行有机结合,其首先根据像素插值图像重构方式分别对训练图像和测试图像进行预插值重构处理以初步提高该训练图像和该测试图像的分辨率,再根据处理后的该训练图像对深度卷积神经网络模型进行优化学习训练处理,最后基于优化学习训练处理后的该深度卷积神经网络模型对该测试图像进行相应的图像重构处理,从而输出相应的超分辨率图像,其能够有效地减少深度卷积神经网络模型的运算量,以及降低图像重构的成本和提高图像重构的速度。
本发明提供了一种超分辨率图像的重构方法和重构系统,该超分辨率图像的重构方法和重构系统通过将传统的像素插值图像重构方式与深度卷积神经网络模型学习训练图像重构方式两者进行有机结合,其首先根据像素插值图像重构方式分别对训练图像和测试图像进行预插值重构处理以初步提高该训练图像和该测试图像的分辨率,再根据处理后的该训练图像对深度卷积神经网络模型进行优化学习训练处理,最后基于优化学习训练处理后的该深度卷积神经网络模型对该测试图像进行相应的图像重构处理,从而输出相应的超分辨率图像,其能够有效地减少深度卷积神经网络模型的运算量,以及降低图像重构的成本和提高图像重构的速度。