公开(公告)号：CN118761911A

公开(公告)日：2024-10-11

申请号：CN202410754315.9

申请日：2024-06-12

Applicant: 杭州电子科技大学信息工程学院

Inventor： 王子健 ,  杨朋潮 ,  魏鑫华 ,  杨欣怡 ,  邱佳丰 ,  张莹 ,  林炫成

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/044

Abstract: 本发明涉及数字图像处理技术领域，公开了一种基于快速循环卷积网络的图像超分辨率重建方法，包括以下步骤：S1、图像预处理，包括下采样和图像切割；S2、将预处理后的低分辨率图像输入至一个生成对抗网络，该网络包括生成器和判别器；S3、在生成器内执行特征提取、快速循环卷积、自注意力机制、多尺度特征融合，以及动态上采样；S4、使用判别器评估生成图像与真实图像之间的差异。通过快速循环卷积网络加深特征提取和增强的层次，使得重建的图像能够在保持高分辨率的同时，更好地保存图像细节和纹理信息，并通过自注意力机制使得模型能够在提取特征时考虑到全局的依赖关系，从而在重建过程中更好地保留图像的结构完整性和上下文关联性。

公开(公告)号：CN118608534A

公开(公告)日：2024-09-06

申请号：CN202410746444.3

申请日：2024-06-11

Applicant: 杭州电子科技大学信息工程学院

Inventor： 杨欣怡 ,  魏鑫华 ,  杨朋潮 ,  邱佳丰 ,  林炫成 ,  林冰玥

IPC: G06T7/10 ,  G06T5/70 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/09 ,  G06V10/52 ,  G06V10/80

Abstract: 本发明涉及图像分析技术领域，公开了基于多尺度特征提取的图像分割方法，包括以下步骤：S1、图像预处理、对输入图像进行归一化处理，S2、多尺度特征提取：对处理后的输入图像进行图像金字塔构建，S3、注意力机制设计：在S2步骤每个尺度处理过程中增加自注意力机制与通道注意力机制，S4、特征融合、将不同尺度的特征图进行上采样或下采样，S5、图像分割，S6、后处理，S7、评估优化。通过多尺度特征提取技术和精细化的图像处理流程显著提高了图像分割的准确性，利用高斯金字塔构建多层次图像并采用先进的卷积神经网络进行特征提取，结合自注意力和通道注意力机制，本技术能够精确识别并强化关键特征，同时抑制无关信息。