基于加权滤波增强的卷积神经网络图像预测方法

专利主权项内容

1.一种基于加权滤波增强的卷积神经网络图像预测方法，其特征在于，所述方法包括：步骤一、根据原始图像的纹理复杂度，将所述原始图像分为平滑块组和纹理块组；步骤二、根据像素位置将步骤一中的所述平滑块组和纹理块组分别划分为四个像素集合，且每个所述像素集合的所有像素由其周围的8个像素预测，生成预处理图像，并将其作为训练集，所述预处理图像包括平滑块预处理图像和纹理块预处理图像；所述步骤二包括：根据像素位置将平滑块组和纹理块组分别划分红色、黄色/>、蓝色/>、绿色/>四个像素集合；预测红色像素时，输入到预测器的图像为/>+/>+/>；预测黄色像素时，输入到预测器的图像为/>+/>+/>；预测蓝色像素时，输入到预测器的图像为/>+/>+/>；预测绿色像素时，输入到预测器的图像为/>+/>+/>；当卷积核大小为3×3时，利用至多8/9个像素值进行像素点预测；当卷积核大小为5×5时，利用至多16/25个像素值进行像素点预测；步骤三，利用步骤二中的所述平滑块预处理图像和纹理块预处理图像，分别对加权滤波增强的卷积神经网络进行训练，通过加权滤波调节目标像素周围像素值的权重，并通过混合扩张卷积HDC扩展网络接受域，获得像素预测，生成预测图像。