残差增强的频率空间相互学习的人脸超分辨率方法

    公开(公告)号:CN118333860B

    公开(公告)日:2024-08-20

    申请号:CN202410749049.0

    申请日:2024-06-12

    Applicant: 济南大学

    Abstract: 本申请公开了一种残差增强的频率空间相互学习的人脸超分辨率方法,涉及图像处理技术领域,从频率分支基于傅里叶变换,捕捉全局信息,空间分支基于空间域提取局部信息。在两个分支中引入倒残差模块,丰富特征提取;其次,在空间分支内引入空间注意力增强的残差模块,通过细粒度的注意力优化空间特征。在人脸图像重建阶段,引入具有远程跳跃连接的残差模块,充分利用低层和高层特征保证图像生成结果的准确性。最后将人脸图像重建阶段生成高分辨率人脸图像与高分辨率原始人脸图像通过损失函数计算损失,实现了对人脸超分辨率网络的优化,最终经过迭代优化后,使得人脸超分辨率网络可以生成细节丰富、视觉效果更好的高分辨率人脸图像。

    残差增强的频率空间相互学习的人脸超分辨率方法

    公开(公告)号:CN118333860A

    公开(公告)日:2024-07-12

    申请号:CN202410749049.0

    申请日:2024-06-12

    Applicant: 济南大学

    Abstract: 本申请公开了一种残差增强的频率空间相互学习的人脸超分辨率方法,涉及图像处理技术领域,从频率分支基于傅里叶变换,捕捉全局信息,空间分支基于空间域提取局部信息。在两个分支中引入倒残差模块,丰富特征提取;其次,在空间分支内引入空间注意力增强的残差模块,通过细粒度的注意力优化空间特征。在人脸图像重建阶段,引入具有远程跳跃连接的残差模块,充分利用低层和高层特征保证图像生成结果的准确性。最后将人脸图像重建阶段生成高分辨率人脸图像与高分辨率原始人脸图像通过损失函数计算损失,实现了对人脸超分辨率网络的优化,最终经过迭代优化后,使得人脸超分辨率网络可以生成细节丰富、视觉效果更好的高分辨率人脸图像。

Patent Agency Ranking