-
公开(公告)号：CN108629737B
公开(公告)日：2022-11-18
申请号：CN201810435569.9
申请日：2018-05-09
Applicant: 复旦大学
IPC: G06T3/40
Abstract: 本发明属于图像处理技术领域，具体为一种提高JPEG格式图像空间分辨率的方法。JPEG格式图像的超分变率重建技术是一种有效的提高JPEG格式图像分辨率的途径，采用基于信号处理的方法提高图像分辨率。由于传统的基于无损图像的超分方法对JPEG格式图像进行超分会在增大图像分辨率的同时使图像块效变明显。本发明方法将图像去块效应过程与图像的超分过程结合，通过一个端到端的网络模型实现在消除图像块效应的同时对JPEG格式图像进行超分。实验结果表明，本方法有效地提升了JPEG格式图像分辨率，使得JPEG格式图像具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。
-
公开(公告)号：CN114913066A
公开(公告)日：2022-08-16
申请号：CN202210380843.3
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于几何感知的深度学习多视角图超分辨率方法。本发明方法包括：将多视角场景里面所有多视角图片及其对应的深度图、相机内外参数输入到参考图片合成网络中，利用几何信息合成每张视角图片的多张参考图；将视角图片和合成的参考图片输入到参考超分辨率网络，通过利用合成的参考图片辅助视角图片超分辨率。本发明的优势在于利用场景里面所有多视角图片的信息来超分辨率。实验结果表明，本发明从所有视角图片提取到有用信息，可显著提高超分模型的性能，从而提高基于多视角图片应用的视觉体验。
-
公开(公告)号：CN114494007A
公开(公告)日：2022-05-13
申请号：CN202011263437.6
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种文本指导的自然图像超分辨率重构方法。图像超分辨率重构是指利用算法来恢复丢失的图像像素。自然图像超分辨率重构主要用于提升图像清晰度，改善图像视觉效果，以产生真实、自然的高分辨率图像。本发明方法包括：从文本描述中提取语义特征；结合图像特征和文本语义特征；完善图像细节信息，修复语义不准确的特征；重构高分辨率自然图像。在网络的训练中引入基于语义的判别器、图文匹配损失和文本感知的重构损失来约束图像超分辨率重构模型学习图像超分辨率任务。实验结果表明，本发明可以生成自然美观且符合文本描述的高分辨率图像，有效解决大尺度图像超分辨率重构问题。
-
公开(公告)号：CN108989731A
公开(公告)日：2018-12-11
申请号：CN201810904777.9
申请日：2018-08-09
Applicant: 复旦大学
IPC: H04N7/01 , H04N21/2343 , H04N21/4402
Abstract: 本发明属于视频编辑技术领域，具体为一种提高视频空间分辨率的方法。本发明步骤包括：局部帧及局部特征的提取：将多帧相邻视频帧输入到局部网络NETL中，利用帧间的局部信息学习出局部重构帧SRtLocal及该帧的特征FtLocal；重构当前帧：将学到的局部帧和相邻的前一帧SRt-1重构后的视频帧输入到内容网络NETC中，重构当前帧。本发明不仅充分利用多个相邻低分辨率视频帧之间的关联性，还结合前一帧超分重构后的视频帧来恢复当前视频帧的高频内容。实验结果表明，本方法可较好地保持重构视频的时间连贯性，恢复出丰富的视频细节纹理，提升视频的清晰度视觉质量，同时还达到实时处理的速度，具有较高的应用价值。
-
公开(公告)号：CN108769598A
公开(公告)日：2018-11-06
申请号：CN201810584488.5
申请日：2018-06-08
Applicant: 复旦大学
Abstract: 本发明属于视频处理技术领域，具体为一种基于行人重识别的跨摄像头视频浓缩方法。具体步骤如下：（1）以获得的多段不同摄像头所拍摄的视频作为输入，最终输出多段浓缩后的视频；（2）基于视频浓缩阶段获得的多段浓缩后的视频，针对具体的目标对象，首先在浓缩后的视频中根据相应匹配度量方法查找到该目标对象在不同视频中出现的具体位置，提取出含有目标对象的浓缩视频片段，以获得该目标对象在多视频中连贯运动轨迹的描述。本发明方法不仅能节省大量人力劳动，还一定程度上提高了目标对象的识别准确度。本发明提出的方法对实际应用具有重要价值。
-
Patent Agency Ranking
公开(公告)号：CN118628385A
公开(公告)日：2024-09-10
申请号：CN202410613623.X
申请日：2024-05-17
Applicant: 复旦大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06N3/0895
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于单张噪声样本的自监督荧光显微镜图像去噪方法。本发明方法包括：通过在单张有噪声的荧光显微镜图像中进行时空维度的像素采样，生成多个成对的带噪荧光显微镜图像数据；利用构造的成对带噪样本训练一个基于U‑Net结构的去噪网络。实验结果表明，本方法克服了之前荧光显微镜图像去噪方法的缺陷，仅利用单幅有噪声的三维荧光显微镜延时成像数据来训练去噪模型，可有效抑制荧光显微镜图像的噪声，提升图片的清晰度，具有较强的实用价值。
-
公开(公告)号：CN109151474B
公开(公告)日：2020-10-30
申请号：CN201810969162.4
申请日：2018-08-23
Applicant: 复旦大学
IPC: H04N19/132 , H04N19/577
Abstract: 本发明属于视频编辑技术领域，具体为一种生成新视频帧的方法。本发明方法利用视频前后帧之间的光流估计新生成的中间帧到视频前后帧之间的光流，并根据该光流值对前后帧进行相应逆插值处理生成新的中间视频帧。本发明使用视频前后帧之间的关联性结合多尺度的框架，从粗到细地预测新的视频帧。实验结果表明，本方法不仅生成了较高质量的中间视频帧，还保持了新视频的时间连贯性，达到快速的几乎实时的处理效果，因此相较于传统的视频插帧方法，本发明具有更现实的应用价值及更丰富的研究意义。
-
公开(公告)号：CN108259994A
公开(公告)日：2018-07-06
申请号：CN201810036647.8
申请日：2018-01-15
Applicant: 复旦大学
IPC: H04N21/4402 , H04N21/466 , H04N21/44
CPC classification number: H04N21/440263 , H04N21/44008 , H04N21/4402 , H04N21/4666
Abstract: 本发明属于视频编辑技术领域，具体为一种提高视频空间分辨率的方法。视频超分是计算机视觉领域的一个重要分支，它利用视频每一帧内的局部关联信息以及相邻帧之间包含的相关信息来重构具有更高分辨率的视频。本发明方法不仅考虑当前帧内部像素的局部冗余信息，还结合前后相邻帧时间维度的关联性获得低分辨率视频中丢失的高频细节信息恢复原始视频帧的内容，达到了增强视频分辨率丰富细节纹理的效果。实验结果表明，本方法较好地实现了视频分辨率的提升，使得视频具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。
-
公开(公告)号：CN114782248B
公开(公告)日：2025-03-18
申请号：CN202210380855.6
申请日：2022-04-10
Applicant: 复旦大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/50 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明属于图像编辑技术领域，具体为一种近红外图像指导的跨模态立体图像超分辨率重构方法。本发明包括：采用跨视角匹配模块提取立体图像不同模态的左右图间的视差，再根据视差将右视角的近红外图像对齐到左视角；图像超分辨率重构网络采用两个网络分支分别提取立体图像左右图的特征；采用跨模态特征迁移模块融合左右图特征；在重构立体图像左视角的可见光模态的图像时，利用该可见光模态的图像空间信息，结合对应右视角的近红外图像包含的丰富细节来辅助左图的超分过程，从而生成更多的图像中的高频细节纹理、恢复出更真实的高分辨率图像。实验结果表明，本发明可以有效提高可见光模态图像的分辨率、提升图像的主观视觉效果以及客观准确度。
-
公开(公告)号：CN114494007B
公开(公告)日：2024-11-26
申请号：CN202011263437.6
申请日：2020-11-12
Applicant: 复旦大学
IPC: G06T3/4053 , G06N3/044 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种文本指导的自然图像超分辨率重构方法。图像超分辨率重构是指利用算法来恢复丢失的图像像素。自然图像超分辨率重构主要用于提升图像清晰度，改善图像视觉效果，以产生真实、自然的高分辨率图像。本发明方法包括：从文本描述中提取语义特征；结合图像特征和文本语义特征；完善图像细节信息，修复语义不准确的特征；重构高分辨率自然图像。在网络的训练中引入基于语义的判别器、图文匹配损失和文本感知的重构损失来约束图像超分辨率重构模型学习图像超分辨率任务。实验结果表明，本发明可以生成自然美观且符合文本描述的高分辨率图像，有效解决大尺度图像超分辨率重构问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.017 seconds)
