公开(公告)号：CN116152061A

公开(公告)日：2023-05-23

申请号：CN202211640579.9

申请日：2022-12-20

Applicant: 无锡学院

Inventor： 邱超烨 ,  徐焕宇 ,  李富

IPC: G06T3/40 ,  G06T7/11 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于模糊核估计的超分辨率重建方法，构建MCRAGAN超分辨率网络，所述MCRAGAN超分辨率网络包括依次连接的MCRAN生成网络和判别网络；对原始高分辨率自然场景图像进行目标区域的裁剪得到目标区域块，对符合真实场景分布的低分辨率图像进行目标区域的裁剪得到下采样区域块，基于所述感知损失函数和所述对抗损失函数构建总损失函数，并利用所述总损失函数对MCRAGAN超分辨率模型进行训练；将符合真实场景分布的低分辨率图像输入到训练后的MCRAGAN超分辨率网络中，得到相应的超分辨率自然场景图像。本发明通过提取模糊核信息，对真实场景低分辨率图像进行模糊核估计，提高MCRAGAN超分辨率网络在真实自然场景图像上的性能。

公开(公告)号：CN116091313A

公开(公告)日：2023-05-09

申请号：CN202211640581.6

申请日：2022-12-20

Applicant: 无锡学院

Inventor： 邱超烨 ,  徐焕宇 ,  李富

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种图像超分辨率网络模型和重建方法，所述方法包括以下步骤：获取对原始高分辨率图像进行下采样后得到的低分辨率图像，并对所述低分辨率图像进行特征提取以得到初始特征图；利用预设上采样方法对所述初始特征图进行处理得到超分辨率图像；基于所述原始高分辨率图像和所述超分辨率图像构建L1损失函数；利用所述L1损失函数对MCRAN网络进行训练，以得到训练后的MCRAN网络模型；将待优化的低分辨率图像输入至训练后的MCRAN网络模型中，得到相应的超分辨率图像。本发明使用MCRAN网络提升了超分辨率网络性能，提高了图像超分辨率的视觉质量。