-
公开(公告)号：CN112270645A
公开(公告)日：2021-01-26
申请号：CN202011207247.2
申请日：2020-11-03
Applicant: 中南民族大学
Abstract: 本发明公开了一种多阶特征循环增强的渐进高倍人脸超分辨率系统及其方法，涉及图像复原技术领域。本系统是：低分辨率人脸图像（A）、初级特征提取与上采样模块（10）、多阶特征循环增强与上采样模块（20）、残差人脸生成模块（30）、加法器模块（50）和高分辨率人脸图像（B）依次交互；低分辨率人脸图像（A）、初始人脸超分辨率模块（40）和加法器模块（50）依次交互。本方法是：①初级特征提取与上采样；②多阶特征循环增强与上采样；③残差人脸生成；④初始人脸超分辨率；⑤高分辨人脸生成。本发明在更好提升高倍人脸超分辨率重构图像质量的同时，可得到系统复杂度的有效降低；适用于视频监控等应用。
-
公开(公告)号：CN109978785A
公开(公告)日：2019-07-05
申请号：CN201910220119.2
申请日：2019-03-22
Applicant: 中南民族大学
IPC: G06T5/00
Abstract: 本发明公开了一种多级递归特征融合的图像超分辨率重构系统及其方法，涉及图像复原技术领域。本系统是：初始特征提取模块（10）、递归特征提取模块（20）、多级特征融合模块（30）、加法器模块（40）和上采样重构模块（50）依次交互，初始特征提取模块（10）分别与多级特征融合模块（30）和加法器模块（40）交互。本方法是：①初始特征提取；②递归特征提取；③多级特征融合；④深度特征生成；⑤高分辨率图像生成。本发明能在得到高质量超分辨率重构图像的同时，极好地减低系统的实现复杂度，减少计算时间；适用于视频监控、医学成像等应用。
-
公开(公告)号：CN109345453A
公开(公告)日：2019-02-15
申请号：CN201811059265.3
申请日：2018-09-12
Applicant: 中南民族大学
Abstract: 本发明公开了一种利用标准化组稀疏规则化的图像超分辨率重构系统及方法，涉及图像复原技术领域。本发明首先采用双线性插值方法得到图像超分辨率重构的初始估计值；然后再利用图像块组的标准化稀疏先验，通过多次迭代图像块组PCA域自适应软阈值滤波与图像像素域的规则化最小二乘，有效提升超分辨率图像重构的质量。本系统是：输入低分辨率图像（00）、初始化模块（10）、路由选择模块（20）、图像滤波模块（30）、图像重构模块（40）和输出高分辨率图像（50）依次交互，图像重构模块（40）还和路由选择模块（20）交互。本发明能改善图像高频细节的恢复效果，有效提升超分辨率图像重构的质量；适用于视频监控、医学成像等应用。
-
公开(公告)号：CN102572435B
公开(公告)日：2014-03-12
申请号：CN201210012172.1
申请日：2012-01-16
Applicant: 中南民族大学
IPC: H04N19/625 , H04N19/61
Abstract: 本发明公开了一种基于压缩采样（CS）的视频编解码系统及其方法，涉及图像压缩技术领域。本视频编解码系统由基于CS视频编码器子系统（100）和基于CS视频解码器子系统（200）组成；基于CS视频编码器子系统（100）在视频发送端实现对输入视频序列图像的压缩编码，产生视频压缩码流；基于CS视频解码器子系统（200）在视频接收端实现对接收的视频压缩码流进行解码，重建原视频序列图像。本发明在实现低复杂度编码的同时，能有效提高压缩效率和重建图像质量，满足无线视频相机与无线视频监控等应用的需要。
-
公开(公告)号：CN102164282B
公开(公告)日：2013-12-11
申请号：CN201110110601.4
申请日：2011-04-29
Applicant: 中南民族大学
Abstract: 本发明涉及一种用于图像编码的基于系数随机置换的压缩感知方法，其包括以下步骤：步骤1、将原始图像进行分块并进行基于块的稀疏变换；步骤2、将步骤1变换得到的块稀疏变换系数按所处位置进行重组，得到对应不同位置的系数矢量；步骤3、对步骤2中产生的各系数矢量分别进行组内系数随机置换运算；步骤4、从每个经由步骤3置换运算后的系数矢量中依次取出一个系数构成与原图像块大小相同以及具有各对应位置的系数矢量；步骤5、对步骤4中产生的各系数矢量进行压缩采样编码表示；步骤6、通过上述过程的逆过程可重建原始图像。本发明方法能显著降低图像压缩感知的测量比率和提高重建图像品质。
-
Patent Agency Ranking
公开(公告)号：CN112070702B
公开(公告)日：2023-10-03
申请号：CN202010958361.2
申请日：2020-09-14
Applicant: 中南民族大学
Abstract: 本发明公开了一种多尺度残差特征判别增强的图像超分辨率重构系统及方法，涉及图像复原技术领域。本系统是：低分辨率图像（A）、浅层特征提取模块（10）、多级残差特征提取模块（20）、多级特征融合模块（30）、加法器模块（40）、上采样重构模块（50）和高分辨率图像（B）依次交互，浅层特征提取模块（10）分别与多级特征融合模块（30）和加法器模块（40）交互。本方法是：①浅层特征提取；②多尺度残差特征判别增强的多级残差特征提取；③多级特征融合；④深度特征生成；⑤高分辨率图像生成。本发明能在得到高质量超分辨率重构图像的同时，极好地减低系统的实现复杂度，降低系统训练难度，减少计算时间；适用于视频监控、医学成像等应用。
-
公开(公告)号：CN112381746B
公开(公告)日：2022-08-05
申请号：CN202011275229.8
申请日：2020-11-16
Applicant: 中南民族大学
Abstract: 本发明公开了一种学习采样与分组的图像压缩感知重构系统及其方法，涉及图像成像与重建技术领域。本系统是：输入的图像测量值（Y）、非重叠分组模块（10）、多路并行的块图像降维重构模块（20）、块图像拼接模块（30）、图像上采样重构模块（40）和图像深度重构模块（50）依次交互，系统输出为重构的图像（XR）。本方法是：①非重叠分组；②多路并行的块图像降维重构；③块图像的拼接；④图像上采样重构；⑤图像深度重构；⑥图像的分块压缩采样；⑦测量矩阵与重构系统的联合优化。本发明在有效降低重构系统复杂度的同时，可得到系统重构性能的进一步提升；适用于压缩成像等应用。
-
公开(公告)号：CN113191948B
公开(公告)日：2022-05-03
申请号：CN202110436038.3
申请日：2021-04-22
Applicant: 中南民族大学
Abstract: 本发明公开了一种多分辨率特征交叉融合的图像压缩感知重构系统及其方法，及图像成像与重建技术领域。本系统包括输入的图像测量值Y，设置有多分辨率初始重构模块(10)、多分辨率增强重构模块(20)，系统输出为重构的高分辨率图像XH和重构的低分辨率图像XL；本方法包括：①多分辨率初始重构；②多分辨率增强重构；③重构系统的训练。与现有技术相比，本发明可得到系统重构性能的进一步提升，同时得到多个分辨率图像的高质量重构；适用于压缩成像。
-
公开(公告)号：CN109978785B
公开(公告)日：2020-11-13
申请号：CN201910220119.2
申请日：2019-03-22
Applicant: 中南民族大学
IPC: G06T5/00
Abstract: 本发明公开了一种多级递归特征融合的图像超分辨率重构系统及其方法，涉及图像复原技术领域。本系统是：初始特征提取模块（10）、递归特征提取模块（20）、多级特征融合模块（30）、加法器模块（40）和上采样重构模块（50）依次交互，初始特征提取模块（10）分别与多级特征融合模块（30）和加法器模块（40）交互。本方法是：①初始特征提取；②递归特征提取；③多级特征融合；④深度特征生成；⑤高分辨率图像生成。本发明能在得到高质量超分辨率重构图像的同时，极好地减低系统的实现复杂度，减少计算时间；适用于视频监控、医学成像等应用。
-
公开(公告)号：CN106651974A
公开(公告)日：2017-05-10
申请号：CN201610957543.1
申请日：2016-11-03
Applicant: 中南民族大学
CPC classification number: G06T9/00 , G06T5/10 , G06T11/003
Abstract: 本发明公开了一种利用加权结构组稀疏规则的图像压缩感知重构系统及方法，涉及图像恢复技术领域。本系统是：初始化模块、路由选择模块、规则化均方误差最小模块和图像滤波处理模块依次交互，图像滤波处理模块和路由选择模块交互。图像滤波处理模块包括依次交互的图像重叠分块单元、图像相似块组生成单元、变换域加权软阈值滤波单元和图像块像素域求平均单元。本发明的第一阶段，采用图像压缩感知重构方法得到压缩感知图像的重构的初始估计值；第二阶段，利用图像具有的非局部自相似性,采用加权结构组稀疏表示规则化的优化，通过多次的迭代提升压缩感知图像重构的质量。本发明能改善图像纹理和图像边缘的恢复效果，有效提升压缩感知图像的重构质量。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.056 seconds)
