-
公开(公告)号：CN119048347A
公开(公告)日：2024-11-29
申请号：CN202410984824.0
申请日：2024-07-22
Applicant: 北京理工大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明属于图像处理技术领域，具体涉及一种真实世界图像超分辨率方法及装置。该方法为：获取用于神经网络训练的真实世界原始图像；构建包括浅层特征提取模块、深层特征提取模块以及高质量超分重建模块的神经网络；深层特征提取模块由n个高效超分组、1个LayerNorm层和1个卷积层组成；浅层特征提取模块的输入为原始图像，输出为浅层特征图；深层特征提取模块的输入为浅层特征图，输出为深层特征图；高质量超分重建模块的输入为预超分特征图，输出为超分图像；预超分特征图通过将深层特征图经过二维到三维的张量重塑后，和浅层特征图对应元素相加得到；利用原始图像对神经网络进行训练，利用训练好的神经网络获得真实世界图像超分辨图像。
-
Patent Agency Ranking
公开(公告)号：CN116128755A
公开(公告)日：2023-05-16
申请号：CN202310018848.6
申请日：2023-01-06
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于边缘增强和失真估计的混合失真图像复原方法，涉及图像处理技术领域。该方法的具体实施方式包括：获取待复原图像；其中，待复原图像包括一种或多种失真；将包括一种或多种失真的待复原图像输入图像复原模型，将待复原图像输入特征提取模块，得到待复原图像的图像特征图；将图像特征图输入边缘检测模块，根据边缘检测模块的输出，得到边缘图像；将图像特征图输入失真估计模块，对待复原图像中的失真信息进行估计，得到失真向量；将图像特征图、边缘图像和失真向量输入图像重建模块，根据图像重建模块的输出，得到复原图像。该实施方式能够基于图像特征图、失真向量、边缘图像进行重建，得到复原后的图像，提高图像复原质量。
-
公开(公告)号：CN114119395A
公开(公告)日：2022-03-01
申请号：CN202111345303.3
申请日：2021-11-15
Applicant: 北京理工大学
Abstract: 本发明提出了一种失真检测与复原一体化的图像处理系统与方法，能够实现失真情况未知的图像的失真检测与复原，且复原效果较好。对于失真情况未知的原始图像，本发明的失真检测模块通过多个并行的分类器检测原始图像中各类型失真的失真程度，并以此建立该原始图像的失真向量，不仅可以检测出待处理图像中所含失真的类型，还能检测出相应的失真程度，检测结果正确率高；该原始图像输入到图像复原模块的主支路，对应失真向量输入到图像复原模块的调节支路，调节支路以失真向量作为先验信息对主支路进行调节，使其适应不同失真原始图像的复原，适用对象范围广，且这种设计考虑了多种失真之间的影响。
-
公开(公告)号：CN118446931A
公开(公告)日：2024-08-06
申请号：CN202410471104.4
申请日：2024-04-18
Applicant: 北京理工大学
IPC: G06T5/77 , G06T5/60 , G06N3/043 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于参数学习的显式图像退化建模方法。本发明基于经典退化模型，使用神经网络对退化过程中的模糊核、噪声和JPEG压缩质量因子进行学习，并使用学习到的参数生成失真图像，即清晰图像首先与模糊核进行卷积，然后添加噪声，最后进行JPEG压缩，生成失真图像。该方法在显式经典退化模型的指导下，仅学习其中的模型参数，大大降低了网络学习图像退化分布的难度，同时由于综合考虑了模糊、噪声和JPEG压缩三种常见的退化过程，在失真图像数量有限、鉴别器能力不足的情况下，生成的失真图像与实际场景中的失真图像退化分布一致性更好，适用范围较现有方法更广。
-
公开(公告)号：CN114119395B
公开(公告)日：2024-06-11
申请号：CN202111345303.3
申请日：2021-11-15
Applicant: 北京理工大学
IPC: G06T5/77 , G06T5/50 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/082
Abstract: 本发明提出了一种失真检测与复原一体化的图像处理系统与方法，能够实现失真情况未知的图像的失真检测与复原，且复原效果较好。对于失真情况未知的原始图像，本发明的失真检测模块通过多个并行的分类器检测原始图像中各类型失真的失真程度，并以此建立该原始图像的失真向量，不仅可以检测出待处理图像中所含失真的类型，还能检测出相应的失真程度，检测结果正确率高；该原始图像输入到图像复原模块的主支路，对应失真向量输入到图像复原模块的调节支路，调节支路以失真向量作为先验信息对主支路进行调节，使其适应不同失真原始图像的复原，适用对象范围广，且这种设计考虑了多种失真之间的影响。
-
公开(公告)号：CN115205142A
公开(公告)日：2022-10-18
申请号：CN202210685499.9
申请日：2022-06-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于失真估计的图像复原方法及装置，所述方法包括：从原始图像中提取图像特征，得到图像特征图；将所述图像特征图输入失真因子估计模块，得到由引起所述原始图像失真的一个或多个因子组成的失真向量；将所述失真向量及所述图像特征图输入图像重建模块，由所述图像重建模块去除相应的失真，并进行图像重建，得到所述原始图像对应的残差图像；基于所述残差图像，得到与所述原始图像对应的复原图像。所述方法能够对一种或多种混合失真进行处理，适用性及通用性均较强。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
