公开(公告)号：CN107945146B

公开(公告)日：2021-08-03

申请号：CN201711180763.9

申请日：2017-11-23

Applicant: 南京信息工程大学

Inventor： 宋慧慧 ,  孙毅堂 ,  刘青山 ,  王国杰 ,  张开华

IPC: G06T5/50 ,  G06T3/40 ,  G06N3/04

Abstract: 本发明提供了一种基于深度卷积神经网络的时空卫星图像融合方法。所述基于深度卷积神经网络的时空卫星图像融合方法包括如下步骤：训练阶段：选取对应的Landsat图像和MODIS图像形成Landsat‑MODIS图像对，并对Landsat图像进行下采样，得到接近MODIS空间分辨率的LSR Landsat图像，根据Landsat图像、MODIS图像和LSR Landsat图像的组合进行训练，并分别得到非线性映射CNN网络和超分辨率重建CNN网络；预测阶段：分别选取日期t1和t3的Landsat‑MODIS图像对，基于训练阶段得到的非线性映射CNN网络和超分辨率重建CNN网络，预测位于日期t1和t3之间的日期t2的Landsat预测图像。

公开(公告)号：CN108447020A

公开(公告)日：2018-08-24

申请号：CN201810201306.1

申请日：2018-03-12

Applicant: 南京信息工程大学

Inventor： 宋慧慧 ,  孙毅堂 ,  张开华 ,  严飞

IPC: G06T3/40 ,  G06K9/00

Abstract: 本发明提供了一种基于极深卷积神经网络的人脸超分辨率重建方法，包括如下步骤：一、对高分辨率人脸图像进行不同倍数下采样并处理后，获得低分辨率人脸图像的训练集；二、对另外一组高分辨率人脸图像进行不同倍数下采样并处理后，获得低分辨率人脸图像的测试集；三、将步骤一得到的训练集和步骤二得到的测试集放入极深卷积网络进行训练，学习残差图像的映射，并得到相对应的卷积网络模型；四、将需要重建的低分辨率人脸图像输入步骤三学习得到的卷积网络模型得到重建的高分辨率人脸图像。本发明的有益效果是：所述基于极深卷积神经网络的人脸超分辨率重建方法可以较好的处理多尺度放大系数的超分辨率重建问题。

公开(公告)号：CN107945146A

公开(公告)日：2018-04-20

申请号：CN201711180763.9

申请日：2017-11-23

Applicant: 南京信息工程大学

Inventor： 宋慧慧 ,  孙毅堂 ,  刘青山 ,  王国杰 ,  张开华

IPC: G06T5/50 ,  G06T3/40 ,  G06N3/04

CPC classification number: G06T5/50 ,  G06N3/0454 ,  G06T3/4053 ,  G06T2207/20221

Abstract: 本发明提供了一种基于深度卷积神经网络的时空卫星图像融合方法。所述基于深度卷积神经网络的时空卫星图像融合方法包括如下步骤：训练阶段：选取对应的Landsat图像和MODIS图像形成Landsat-MODIS图像对，并对Landsat图像进行下采样，得到接近MODIS空间分辨率的LSR Landsat图像，根据Landsat图像、MODIS图像和LSR Landsat图像的组合进行训练，并分别得到非线性映射CNN网络和超分辨率重建CNN网络；预测阶段：分别选取日期t1和t3的Landsat-MODIS图像对，基于训练阶段得到的非线性映射CNN网络和超分辨率重建CNN网络，预测位于日期t1和t3之间的日期t2的Landsat预测图像。

公开(公告)号：CN107038684A

公开(公告)日：2017-08-11

申请号：CN201710227615.1

申请日：2017-04-10

Applicant: 南京信息工程大学

Inventor： 宋慧慧 ,  孙毅堂 ,  王国杰 ,  刘青山 ,  张开华

IPC: G06T3/40

Abstract: 本发明公开了一种提升微波成像仪空间分辨率的方法，包括以下步骤：第一步通过学习一个光谱字典对来把光学和微波图像在光谱上联合起来，然后把光学图像的空间信息通过稀疏编码把它转化到微波图像，得到一个空间分辨率提高的微波图像；第二步使用一个引导滤波器来对空间分辨率增强图像的光谱信息进行提升。为了形成一个统一的不论有无云污染的光学图像的融合框架，本发明还提出了一个基于学习的在有云污染情况下的超分辨率的方法。相较于目前那些不借助于光学信息的方法，本发明的方法能得到更好的实验结果，给人更好的视觉效果。