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

Inventor： 阮淼华 ,  黄德天 ,  王一凡 ,  黄静 ,  郭耀辉 ,  宋佳讯 ,  林明昕 ,  刘航

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：CN119006292B

公开(公告)日：2025-02-14

申请号：CN202411484614.1

申请日：2024-10-23

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  阮淼华 ,  王一凡 ,  舒泊智 ,  董雨昕 ,  黄静

IPC: G06T3/4076 ,  G06N3/0455 ,  G06N3/0464 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/77

Abstract: 本发明公开了一种基于稳定扩散模型的快速人脸图像超分辨率方法及系统，涉及图像超分辨技术领域，方法包括以下步骤：构建基于稳定扩散模型的人脸图像超分辨率模型，包括稳定扩散模型、引导提取模块和引导注入模块，引导提取模块根据输入的人脸低分辨率图像生成视觉引导和文本引导，引导注入模块将视觉引导和文本引导注入到稳定扩散模型，稳定扩散模型基于视觉引导和文本引导生成复原图像作为人脸高分辨率图像；对人脸图像超分辨率模型进行训练；利用训练好的人脸图像超分辨率模型实现快速人脸图像超分辨率。本发明结合视觉引导和文本引导来微调稳定扩散模型，不仅可以大幅提升人脸图像的真实性并保持相当的一致性，并且加快了复原速度。

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

Inventor： 阮淼华 ,  黄德天 ,  王一凡 ,  黄静 ,  郭耀辉 ,  宋佳讯 ,  林明昕 ,  刘航

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：CN118247180B

公开(公告)日：2024-09-24

申请号：CN202410661695.1

申请日：2024-05-27

Applicant: 华侨大学

Inventor： 郭耀辉 ,  黄炜杰 ,  夏宇 ,  宋佳讯 ,  阮淼华 ,  黄小茜 ,  黄德天

IPC: G06T5/77 ,  G06N20/00 ,  G06T5/50 ,  G06T5/70

Abstract: 本发明设计图像修复技术领域，公开了一种基于流形约束扩散模型的人脸图像复原方法及系统，方法包括以下步骤：S1，制作数据集并利用数据集预训练一个基础扩散模型；S2，构建受流形约束启发的额外校正项并添加到基础扩散模型，构建语义扩散引导统一框架并添加到基础扩散模型，获得人脸图像复原模型；S3，输入待复原人脸图像和引导信息到人脸图像复原模型，生成复原人脸图像。本发明基于扩散概率模型（DDPM）反向生成过程设计了一个受流形约束（Manifold Constrained）启发的额外校正项并引入语义扩散引导（Semantic Diffusion Guidance）框架控制生成过程，与之前的求解器协同使用，综合考虑了复原图像的正确性、真实性、一致性问题。

公开(公告)号：CN118279178B

公开(公告)日：2024-09-13

申请号：CN202410675877.4

申请日：2024-05-29

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  郭耀辉 ,  阮淼华 ,  黄静 ,  舒泊智 ,  王一凡

IPC: G06T5/70 ,  G06N20/00 ,  G06T3/08 ,  G06T5/77 ,  G06V10/74 ,  G06F17/13

Abstract: 本发明公开了一种基于扩散生成模型的快速人脸图像复原方法及系统，涉及图像复原领域，方法包括以下步骤：制作数据集与选择预训练模型，以获得预训练扩散生成模型；基于预训练扩散生成模型获得快速人脸图像复原模型；利用快速人脸图像复原模型实现对于失真人脸图像的快速复原；所述基于预训练扩散生成模型获得快速人脸图像复原模型，包括：在预训练扩散生成模型的前向加噪模块中添加普罗米修斯随机微分方程，以及在预训练扩散生成模型的反向去噪模块中添加条件引导投影。本发明不仅可以实现复原图像真实性与一致性的保障，而且能大幅度缩短图像复原所需要的时间。

公开(公告)号：CN119579415A

公开(公告)日：2025-03-07

申请号：CN202510106199.4

申请日：2025-01-23

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  张平平 ,  林祯炜

IPC: G06T3/4076 ,  G06N3/0464 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/70 ,  G06T5/77

Abstract: 本发明公开了一种基于残差预测的扩散模型的人脸图像超分辨率方法及装置，涉及图像超分辨率领域，包括：获取待重建的低分辨率图像；构建基于残差预测的扩散模型和条件噪声预测器并训练，得到经训练的扩散模型和经训练的条件噪声预测器；从标准高斯分布中采样高斯噪声作为残差噪声图像，将待重建的低分辨率图像、每一步的残差噪声图像和对应步长输入到经训练的条件噪声预测器，预测得到每一步的预测噪声，并通过经训练的扩散模型中的反向去噪网络迭代执行T步的去噪过程，得到复原残差图像；将复原残差图像与上采样的待重建的低分辨率图像相加，得到复原高分辨率图像。本发明解决了现有的图像超分辨率方法的生成过程复杂且对细节的恢复有限的问题。

公开(公告)号：CN118229532B

公开(公告)日：2024-10-22

申请号：CN202410626959.X

申请日：2024-05-21

Applicant: 华侨大学

Inventor： 黄小茜 ,  张平平 ,  宋佳讯 ,  郭耀辉 ,  黄静 ,  王一凡 ,  黄德天

IPC: G06T3/4053 ,  G06N3/0455 ,  G06T5/60

Abstract: 本发明公开了一种基于复合Transformer的图像超分辨率方法及系统，涉及图像超分辨率领域，方法包括：构建基于复合Transformer的图像超分辨率网络；利用图像超分辨率网络实现对于低分辨率图像的超分辨率重建，输出对应的高分辨率图像；所述图像超分辨率网络包括浅层特征提取模块、深层特征提取模块和图像重建模块，其中，深层特征提取模块包括若干残差组，残差组包括空间多头注意力和通道组注意力层组成的残差复合Transformer以及整合自注意力和卷积前馈网络组成的整合Transformer。本发明通过残差组在空间和通道维度上聚合特征，减少通道数量从而不会丢失空间信息，重建高质量的高分辨率图像。

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

Inventor： 黄小茜 ,  黄德天 ,  宋佳讯 ,  刘航 ,  林明昕 ,  曾焕强

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：CN117196959B

公开(公告)日：2024-03-01

申请号：CN202311475294.9

申请日：2023-11-08

Applicant: 华侨大学

Inventor： 陈菲扬 ,  黄德天 ,  宋佳讯 ,  颜鹏贵 ,  杨坤 ,  曾焕强 ,  朱建清 ,  陈婧

IPC: G06T3/4053 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于自注意力的红外图像超分辨率方法、装置及可读介质，涉及图像处理领域，包括：构建基于自注意力的轻量级红外图像超分辨率模型并训练，得到经训练的轻量级红外图像超分辨率模型；将待重建的低分辨率红外图像输入经训练的轻量级红外图像超分辨率模型，该模型包括3×3卷积层、轻量级Transformer与CNN骨干、高效细节自注意力模块和图像重建模块，待重建的低分辨率红外图像输入3×3卷积层，得到第一特征，再依次经过轻量级Transformer与CNN骨干和高效细节自注意力模块，且高效细节自注意力模块以共享参数的方式循环n次，得到第二特征，将第一特征和第二特征进行残差连接后输入图像重建模块，输出高分辨率红外图像，解决参数量冗余、性能差等问题。

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

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  林明昕 ,  刘航 ,  曾焕强

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。