一种基于残差子图像的深度学习超分辨率重建方法

摘要

本发明公开一种基于残差子图像的深度学习超分辨率重建方法，有效结合残差子图像和基于卷积神经网络的深度学习方法，不仅使得超分辨率重建的图像更加清晰，同时也使得重建速度更快。首先通过加深卷积神经网络的深度，从而使得学习得到的网络模型具有更强的非线性表示能力和图像重建能力。同时，通过引入残差子图像的方法，移除了基于传统插值算法的预处理，避免了插值算法带来的模糊效应。本发明巧妙地利用残差子图像，可以将深度学习的卷积运算过程由高分辨率空间转移到低分辨率空间，从而在提升超分辨率的重建效果的基础上，同时也提高了超分辨率算法的重建效率。