-
公开(公告)号：CN109087247B
公开(公告)日：2022-12-20
申请号：CN201810938607.2
申请日：2018-08-17
Applicant: 复旦大学
Abstract: 本发明属于图像编辑技术领域，具体为一种对立体图像进行超分的方法。本发明方法包括采用光流估计网络对左右图位置信息进行估计；采用图像超分网络重构出高分辨率图像；在重构立体图像中的左图时，不仅利用该图像内部像素的局部冗余和结构关联的特点，还结合该立体图像的左图和右图之间内容之间关联及互补的特性，获得更多的低分辨率左图中丢失的高频信息，以恢复原始图像的内容，达到了增强图像分辨率丰富细节纹理的效果。实验结果表明，本方法可有效提升立体图像的分辨率的提升，使得立体图像的具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。
-
公开(公告)号：CN114782248A
公开(公告)日：2022-07-22
申请号：CN202210380855.6
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于图像编辑技术领域，具体为一种近红外图像指导的跨模态立体图像超分辨率重构方法。本发明包括：采用跨视角匹配模块提取立体图像不同模态的左右图间的视差，再根据视差将右视角的近红外图像对齐到左视角；图像超分辨率重构网络采用两个网络分支分别提取立体图像左右图的特征；采用跨模态特征迁移模块融合左右图特征；在重构立体图像左视角的可见光模态的图像时，利用该可见光模态的图像空间信息，结合对应右视角的近红外图像包含的丰富细节来辅助左图的超分过程，从而生成更多的图像中的高频细节纹理、恢复出更真实的高分辨率图像。实验结果表明，本发明可以有效提高可见光模态图像的分辨率、提升图像的主观视觉效果以及客观准确度。
-
公开(公告)号：CN108259994B
公开(公告)日：2020-10-30
申请号：CN201810036647.8
申请日：2018-01-15
Applicant: 复旦大学
IPC: H04N21/4402 , H04N21/466 , H04N21/44
Abstract: 本发明属于视频编辑技术领域，具体为一种提高视频空间分辨率的方法。视频超分是计算机视觉领域的一个重要分支，它利用视频每一帧内的局部关联信息以及相邻帧之间包含的相关信息来重构具有更高分辨率的视频。本发明方法不仅考虑当前帧内部像素的局部冗余信息，还结合前后相邻帧时间维度的关联性获得低分辨率视频中丢失的高频细节信息恢复原始视频帧的内容，达到了增强视频分辨率丰富细节纹理的效果。实验结果表明，本方法较好地实现了视频分辨率的提升，使得视频具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。
-
公开(公告)号：CN109087247A
公开(公告)日：2018-12-25
申请号：CN201810938607.2
申请日：2018-08-17
Applicant: 复旦大学
Abstract: 本发明属于图像编辑技术领域，具体为一种对立体图像进行超分的方法。本发明方法包括采用光流估计网络对左右图位置信息进行估计；采用图像超分网络重构出高分辨率图像；在重构立体图像中的左图时，不仅利用该图像内部像素的局部冗余和结构关联的特点，还结合该立体图像的左图和右图之间内容之间关联及互补的特性，获得更多的低分辨率左图中丢失的高频信息，以恢复原始图像的内容，达到了增强图像分辨率丰富细节纹理的效果。实验结果表明，本方法可有效提升立体图像的分辨率的提升，使得立体图像的具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。
-
公开(公告)号：CN108629737A
公开(公告)日：2018-10-09
申请号：CN201810435569.9
申请日：2018-05-09
Applicant: 复旦大学
IPC: G06T3/40
Abstract: 本发明属于图像处理技术领域，具体为一种提高JPEG格式图像空间分辨率的方法。JPEG格式图像的超分变率重建技术是一种有效的提高JPEG格式图像分辨率的途径，采用基于信号处理的方法提高图像分辨率。由于传统的基于无损图像的超分方法对JPEG格式图像进行超分会在增大图像分辨率的同时使图像块效变明显。本发明方法将图像去块效应过程与图像的超分过程结合，通过一个端到端的网络模型实现在消除图像块效应的同时对JPEG格式图像进行超分。实验结果表明，本方法有效地提升了JPEG格式图像分辨率，使得JPEG格式图像具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。
-
Patent Agency Ranking
公开(公告)号：CN118628374A
公开(公告)日：2024-09-10
申请号：CN202410613987.8
申请日：2024-05-17
Applicant: 复旦大学
IPC: G06T5/60 , G06N3/0464 , G06N5/04
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于迭代反馈的荧光显微镜图像增强方法。本发明方法包括：通过设计基于反馈学习的深度神经网络结构，构建基于反馈学习的多阶段图像增强模型，得到对应增强结果；利用贝叶斯推断使模型同时输出重构图像和模型的重构置信度；通过在真实荧光显微镜成像数据上进行训练，使模型具有图像增强性能。实验结果表明，本发明有效提升了荧光显微镜图片的主观质量，降低模型重构的不确定性，恢复出具有较高空间分辨率和各向同性分辨率的荧光显微镜图像，显著抑制图像噪声等视觉瑕疵，极大地推进了生命科学领域的研究，为相关科研人员提供有价值的研究工具，具有较强的实用意义。
-
公开(公告)号：CN109272450B
公开(公告)日：2023-01-06
申请号：CN201810959380.X
申请日：2018-08-22
Applicant: 复旦大学
IPC: G06T3/40
Abstract: 本发明属于图像编辑技术领域，具体为一种基于卷积神经网络的图像超分方法。卷积神经网络包括：特征提取网络、特征学习网络、图像重构网络；方法包括：通过特征提取网络，提取图像特征；通过特征学习网络，学习出高分辨率图像特征；通过图像重构网络重构图像三个阶段。本发明提出的分层特征学习的网络结构可以让网络中的每一阶段充分利用网络中所有不同层级学到的特征信息，还很大程度上保留了网络中的重要特征，减少特征损失，实现了最大程度的特征利用，同时避免了特征的重复及冗余。实验结果表明，本方法生成了具有更符合主观视觉质量的高分辨率图像，恢复了逼真的细节纹理信息，还实现了较高效的图像超分过程，具有较强的实用价值。
-
公开(公告)号：CN109035146B
公开(公告)日：2022-12-20
申请号：CN201810901714.8
申请日：2018-08-09
Applicant: 复旦大学
Abstract: 本发明属于图像编辑技术领域，具体为一种基于深度学习的低质量图像超分方法。本发明方法包括：图像中干扰信息特征的提取，图像特征与模糊及噪声特征的融合，高分辨率图像的重构。本发明不仅可以对理想条件下通过Bicubic降采样方法获得的低分辨率图像进行超分，还可以处理受到其它干扰的更真实的低分辨率图像。由于在真实条件下，低分辨率图像往往还受到模糊和噪声的干扰，本发明充分利用生成低分辨率图像的过程的信息，来增强对受干扰图像的超分效果。实验结果表明，本方法不仅较好地实现了理想条件下的图像超分，还可以对从真实条件中获得的受到未知干扰的低分辨率图像进行处理，以生成具有更符合主观视觉质量的高分辨率图像。
-
公开(公告)号：CN109272450A
公开(公告)日：2019-01-25
申请号：CN201810959380.X
申请日：2018-08-22
Applicant: 复旦大学
IPC: G06T3/40
Abstract: 本发明属于图像编辑技术领域，具体为一种基于卷积神经网络的图像超分方法。卷积神经网络包括：特征提取网络、特征学习网络、图像重构网络；方法包括：通过特征提取网络，提取图像特征；通过特征学习网络，学习出高分辨率图像特征；通过图像重构网络重构图像三个阶段。本发明提出的分层特征学习的网络结构可以让网络中的每一阶段充分利用网络中所有不同层级学到的特征信息，还很大程度上保留了网络中的重要特征，减少特征损失，实现了最大程度的特征利用，同时避免了特征的重复及冗余。实验结果表明，本方法生成了具有更符合主观视觉质量的高分辨率图像，恢复了逼真的细节纹理信息，还实现了较高效的图像超分过程，具有较强的实用价值。
-
公开(公告)号：CN114283080A
公开(公告)日：2022-04-05
申请号：CN202111537614.X
申请日：2021-12-15
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种多模态特征融合的文本指导图像压缩噪声去除方法。本发明方法包括：模型以压缩图像和相应的文本描述作为输入，分别提取局部特征和全局特征；基于全局特征融合，模型利用文本全局特征增强图像全局特征，极大提升重建结果的全局质量；基于局部特征融合，模型利用文本局部特征增强图像局部特征，使重建结果具有更多细粒度纹理；在网络训练中引入重构损失、对抗损失、对比损失和语义一致损失来辅助模型生成更加真实、自然的结果。实验结果表明，本发明可以有效利用文本信息来辅助压缩图像的增强，生成自然美观且与未压缩图像语义一致的重建结果，有效解决图像压缩噪声去除的问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.018 seconds)
