-
-
-
公开(公告)号:CN115311138A
公开(公告)日:2022-11-08
申请号:CN202210800137.X
申请日:2022-07-06
Applicant: 北京科技大学
Abstract: 本发明涉及一种图像超分辨率方法及装置。所述图像超分辨率方法包括:获取训练数据集,训练数据集中包括多个图像数据对,每个图像数据对包括对应于源域的源图像和对应于目标域的目标图像;使用训练数据集对循环生成对抗网络模型进行训练:循环生成对抗网络模型包括用于将图像从源域转换为目标域的第一域转换模块,用于将图像从目标域转换为源域的第二域转换模块;在训练完成后,将第一待处理图像输入至第一域转换模块,通过第一域转换模块输出第二待处理图像;将第二待处理图像输入至预先训练好的超分辨率模型,通过超分辨率模型输出超分辨率图像。
-
公开(公告)号:CN117495679B
公开(公告)日:2024-09-03
申请号:CN202311460075.3
申请日:2023-11-03
Applicant: 北京科技大学
IPC: G06T3/4053 , G06T5/50 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本公开涉及一种基于非局部稀疏注意力的图像超分辨率方法和装置,属于图像处理的技术领域,该方法包括:获取被压缩的低分辨率图像;提取所述低分辨率图像的浅层特征,得到低分辨率图像的浅层特征图;对所述浅层特征图进行至少一次的通道稀疏处理和至少一次的空间稀疏处理,得到双维度稀疏特征图;将所述双维度稀疏特征图与所述浅层特征图进行融合,得到所述低分辨率图像的特征融合图;对所述特征融合图进行卷积和上采样处理,得到超分辨率图像。
-
公开(公告)号:CN115311138B
公开(公告)日:2023-06-23
申请号:CN202210800137.X
申请日:2022-07-06
Applicant: 北京科技大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种图像超分辨率方法及装置。所述图像超分辨率方法包括:获取训练数据集,训练数据集中包括多个图像数据对,每个图像数据对包括对应于源域的源图像和对应于目标域的目标图像;使用训练数据集对循环生成对抗网络模型进行训练:循环生成对抗网络模型包括用于将图像从源域转换为目标域的第一域转换模块,用于将图像从目标域转换为源域的第二域转换模块;在训练完成后,将第一待处理图像输入至第一域转换模块,通过第一域转换模块输出第二待处理图像;将第二待处理图像输入至预先训练好的超分辨率模型,通过超分辨率模型输出超分辨率图像。
-
公开(公告)号:CN114781601A
公开(公告)日:2022-07-22
申请号:CN202210359937.2
申请日:2022-04-06
Applicant: 北京科技大学
Abstract: 本公开涉及一种图像超分辨率方法及装置,其包括:获取第一图像和第一参考图像;其中,所述第一参考图像的分辨率大于所述第一图像的分辨率;针对所述第一图像的特征,在所述第一图像和所述第一参考图像中挖掘第一组相似特征,并通过聚合挖掘到的第一组相似特征对所述第一图像的特征进行纹理增强,得到所述第一图像的增强特征图;以及,对所述增强特征图依次进行上采样和卷积处理,得到所述第一图像的超分辨率图像;其中,所述超分辨率图像的分辨率等于所述第一参考图像的分辨率。
-
公开(公告)号:CN117495679A
公开(公告)日:2024-02-02
申请号:CN202311460075.3
申请日:2023-11-03
Applicant: 北京科技大学
IPC: G06T3/4053 , G06T5/50 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本公开涉及一种基于非局部稀疏注意力的图像超分辨率方法和装置,属于图像处理的技术领域,该方法包括:获取被压缩的低分辨率图像;提取所述低分辨率图像的浅层特征,得到低分辨率图像的浅层特征图;对所述浅层特征图进行至少一次的通道稀疏处理和至少一次的空间稀疏处理,得到双维度稀疏特征图;将所述双维度稀疏特征图与所述浅层特征图进行融合,得到所述低分辨率图像的特征融合图;对所述特征融合图进行卷积和上采样处理,得到超分辨率图像。
-
公开(公告)号:CN114781601B
公开(公告)日:2022-12-23
申请号:CN202210359937.2
申请日:2022-04-06
Applicant: 北京科技大学
IPC: G06T3/40
Abstract: 本公开涉及一种图像超分辨率方法及装置,其包括:获取第一图像和第一参考图像;其中,所述第一参考图像的分辨率大于所述第一图像的分辨率;针对所述第一图像的特征,在所述第一图像和所述第一参考图像中挖掘第一组相似特征,并通过聚合挖掘到的第一组相似特征对所述第一图像的特征进行纹理增强,得到所述第一图像的增强特征图;以及,对所述增强特征图依次进行上采样和卷积处理,得到所述第一图像的超分辨率图像;其中,所述超分辨率图像的分辨率等于所述第一参考图像的分辨率。
-
-
-
-
-
-
-