公开(公告)号：CN119762351A

公开(公告)日：2025-04-04

申请号：CN202510265590.9

申请日：2025-03-07

Applicant: 杭州电子科技大学丽水研究院

Inventor： 孙垚棋 ,  张仟瑜 ,  颜成钢 ,  郑博仑 ,  盛熙淳 ,  朱尊杰 ,  王健博

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于退化预测的真实图像超分变率方法。首先进行数据集获取及预处理；通过退化预测网络从低分辨率图像中提取退化特征信息；将得到的退化特征信息与低分辨率图像送入重建网络进行增强，生成最终的高分辨率图像。本发明通过使用一种退化感知的重建模块，并将其嵌入到Transformer架构中，能够利用学习到的退化信息并通过自注意机制更好地挖掘高层语义信息并恢复纹理细节；能够从LR图像中预测其退化特征，处理真实退化的低分辨率图像，不受合成退化的限制。

公开(公告)号：CN119722515A

公开(公告)日：2025-03-28

申请号：CN202411781153.4

申请日：2024-12-05

Applicant: 杭州电子科技大学丽水研究院

Inventor： 刘仲琦 ,  颜成钢 ,  高宇涵 ,  孙垚棋 ,  盛熙淳 ,  赵强

IPC: G06T5/73 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/088 ,  G06N3/094

Abstract: 本发明公开了一种基于深度学习的无监督图像去摩尔纹方法，首先准备无需配对的摩尔纹图像及清晰图像；构建图像去摩尔纹的无监督网络模型，模型基于生成对抗网络架构，并结合了对比学习方法，包括生成器、判别器和内容编码器。然后对构建的图像去摩尔纹网络模型进行无监督训练。本发明创新的提出了从非配对的数据集中也能学习到从摩尔纹图像到清晰图像的映射关系，避免了收集真实世界的配对图像的繁琐工作。实验表明，本发明能在非配对的数据集上实现很好的去摩尔纹效果。