-
公开(公告)号：CN117196960B
公开(公告)日：2024-03-01
申请号：CN202311475299.1
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图
-
公开(公告)号：CN118918009A
公开(公告)日：2024-11-08
申请号：CN202411413946.0
申请日：2024-10-11
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06T5/60 , G06T5/70 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于稳定扩散的真实世界图像超分辨率方法，涉及图像超分辨率技术领域，具体通过构建并训练增强先验引导扩散模型实现；所述增强先验引导扩散模型实现真实世界图像超分辨率的过程为：预处理模块根据低分辨率图像生成预处理图像，分割模块根据预处理图像生成对应的分割掩码图像，注意力融合模块根据预处理图像和分割掩码图像的潜在特征生成融合潜在特征；语义提示提取器从预处理图像提取高质量语义提示词输入去噪主干网络；控制网络基于融合潜在特征对去噪主干网络进行特征调制；去噪主干网络输出高分辨率图像。本发明在真实世界图像超分辨率任务上更注重图像高频细节和结构层次，保证了复原图像的真实性与一致性。
-
公开(公告)号：CN118918009B
公开(公告)日：2025-02-25
申请号：CN202411413946.0
申请日：2024-10-11
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06T5/60 , G06T5/70 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于稳定扩散的真实世界图像超分辨率方法，涉及图像超分辨率技术领域，具体通过构建并训练增强先验引导扩散模型实现；所述增强先验引导扩散模型实现真实世界图像超分辨率的过程为：预处理模块根据低分辨率图像生成预处理图像，分割模块根据预处理图像生成对应的分割掩码图像，注意力融合模块根据预处理图像和分割掩码图像的潜在特征生成融合潜在特征；语义提示提取器从预处理图像提取高质量语义提示词输入去噪主干网络；控制网络基于融合潜在特征对去噪主干网络进行特征调制；去噪主干网络输出高分辨率图像。本发明在真实世界图像超分辨率任务上更注重图像高频细节和结构层次，保证了复原图像的真实性与一致性。
-
公开(公告)号：CN117495680B
公开(公告)日：2024-05-24
申请号：CN202410001400.8
申请日：2024-01-02
Applicant: 华侨大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/80
Abstract: 本发明公开了一种基于特征融合Transformer的多对比度核磁共振图像超分辨率方法，涉及图像处理技术领域，包括：构建浅层特征提取模块；构建双域特征提取模块和双融合特征提取模块并进行组合，生成残差全局特征融合模块，基于残差全局特征融合模块构建深层特征提取模块；构建图像重建模块；将浅层特征提取模块、深层特征提取模块和图像重建模块组合，构建基于特征融合Transformer的多对比度核磁共振图像超分辨率网络，并以待重建的低分辨率图像和核磁共振图像作为网络的输入，得到重建后高分辨率图像。本发明利用特征融合Transformer来提取多对比度MRI图像中所包含的全局与局部特征，使得重建的图像更加清晰。
-
公开(公告)号：CN117495714A
公开(公告)日：2024-02-02
申请号：CN202410004081.6
申请日：2024-01-03
Applicant: 华侨大学
IPC: G06T5/70 , G06N3/0455 , G06N3/0464 , G06T5/10 , G06T5/50
Abstract: 本发明公开了一种基于扩散生成先验的人脸图像复原方法、装置及可读介质，涉及图像处理模块，包括：构建基于预训练的扩散模型的人脸图像复原模型，将待复原的人脸图像输入前向加噪模块中逐步增加噪声，得到噪声图像；将噪声图像输入反向去噪模块中逐步去噪，生成最终复原的人脸图像；将第t步的噪声图像及第t步的时间戳输入噪声预测器，预测得到第t步的噪声；在前向加噪模块中，将第t步的噪声图像和第t步的噪声输入结合融合反演的前向扩散公式，得到第t+1步的噪声图像；在反向去噪模块中，对第t步的噪声图像进行零阈值分解，并与第t步的噪声输入反向扩散公式，得到第t‑1步的噪声图像，解决了现有技术生成的复原图像在真实性和一致性差问题。
-
Patent Agency Ranking
公开(公告)号：CN117495680A
公开(公告)日：2024-02-02
申请号：CN202410001400.8
申请日：2024-01-02
Applicant: 华侨大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/80
Abstract: 本发明公开了一种基于特征融合Transformer的多对比度核磁共振图像超分辨率方法，涉及图像处理技术领域，包括：构建浅层特征提取模块；构建双域特征提取模块和双融合特征提取模块并进行组合，生成残差全局特征融合模块，基于残差全局特征融合模块构建深层特征提取模块；构建图像重建模块；将浅层特征提取模块、深层特征提取模块和图像重建模块组合，构建基于特征融合Transformer的多对比度核磁共振图像超分辨率网络，并以待重建的低分辨率图像和核磁共振图像作为网络的输入，得到重建后高分辨率图像。本发明利用特征融合Transformer来提取多对比度MRI图像中所包含的全局与局部特征，使得重建的图像更加清晰。
-
公开(公告)号：CN116778446A
公开(公告)日：2023-09-19
申请号：CN202310761995.2
申请日：2023-06-26
Applicant: 华侨大学
IPC: G06V20/56 , G06N3/0464 , G06V10/82 , G06N3/048 , G06V10/22 , G06V10/764 , G06V10/26 , G06V10/74 , G06N3/08
Abstract: 本发明公开了一种车道线快速检测方法、装置及可读介质，获取路况图像；构建基于编码器‑解码器的神经网络并训练，得到车道线检测模型，基于编码器‑解码器的神经网络包括主干分支和辅助分支，主干分支包括依次连接的编码器网络、CBAM注意力机制模块和解码器网络，编码器网络中包括改进的残差结构，改进的残差结构包括第一卷积层以及分别与第一卷积层连接的第一分支和第二分支，第一分支包括第二卷积层，第二分支包括依次连接的第三卷积层和第四卷积层，第一分支、第二分支与第一卷积层的输入通过加法器相连，辅助分支为实例分割网络，并仅在训练过程中使用；将路况图像输入车道线检测模型，检测得到车道线图像，提高车道线检测的准确率和检测速度。
-
公开(公告)号：CN119180753B
公开(公告)日：2025-03-14
申请号：CN202411681831.X
申请日：2024-11-22
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/045 , G06N3/0464 , G06T3/4046
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。
-
公开(公告)号：CN119180753A
公开(公告)日：2024-12-24
申请号：CN202411681831.X
申请日：2024-11-22
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/045 , G06N3/0464 , G06T3/4046
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。
-
公开(公告)号：CN117495714B
公开(公告)日：2024-04-12
申请号：CN202410004081.6
申请日：2024-01-03
Applicant: 华侨大学
IPC: G06T5/70 , G06N3/0455 , G06N3/0464 , G06T5/10 , G06T5/50
Abstract: 本发明公开了一种基于扩散生成先验的人脸图像复原方法、装置及可读介质，涉及图像处理模块，包括：构建基于预训练的扩散模型的人脸图像复原模型，将待复原的人脸图像输入前向加噪模块中逐步增加噪声，得到噪声图像；将噪声图像输入反向去噪模块中逐步去噪，生成最终复原的人脸图像；将第t步的噪声图像及第t步的时间戳输入噪声预测器，预测得到第t步的噪声；在前向加噪模块中，将第t步的噪声图像和第t步的噪声输入结合融合反演的前向扩散公式，得到第t+1步的噪声图像；在反向去噪模块中，对第t步的噪声图像进行零阈值分解，并与第t步的噪声输入反向扩散公式，得到第t‑1步的噪声图像，解决了现有技术生成的复原图像在真实性和一致性差问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
