-
公开(公告)号：CN111242846B
公开(公告)日：2022-03-22
申请号：CN202010013198.2
申请日：2020-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于非局部增强网络的细粒度尺度图像超分辨率方法，该方法包括以下步骤：步骤A：对原始高分辨率训练图像进行预处理，得到不同尺度的低质量的高分辨率图像块和原始高分辨率训练图像块组成的图像块对数据集；步骤B：使用图像块对数据集训练非局部增强的深度网络；步骤C：将低质量测试图像的高分辨率图像输入到深度网络进行重建，得到超分辨率结果。该方法使用非局部增强的深层残差结构，通过将非局部操作与普通卷积相结合，可以有效地捕获并利用局部和非局部图像属性进行图像超分辨率，对比现有超分辨率模型，该方法能显著提高图像超分辨率在细粒度尺度上的性能。
-
公开(公告)号：CN109816592A
公开(公告)日：2019-05-28
申请号：CN201910077583.0
申请日：2019-01-26
Applicant: 福州大学
IPC: G06T3/40
Abstract: 本发明涉及一种基于卷积神经网络的单帧图像连续尺度超分辨率方法。首先，输入待超分辨率的低分辨率图像和放大尺度因子t；其次，根据输入的放大尺度因子确定其对应的最优整数放大尺度因子s，利用双三次插值算法将输入的低分辨率图像放大s倍；再而，利用现有的基于卷积神经网络的超分辨率算法的网络模型，放大图像进行特征提取及重建，得到放大了s倍的高分辨率图像；最后，对得到的高分辨率图像，使用双三次插值缩放至目标分辨率，得到最终的放大了t倍的高分辨率图像。本发明能够有效地提高已有基于卷积神经网络的超分辨率算法在连续放大尺度超分辨率上的性能，可应用于图像处理、计算机视觉等领域。
-
公开(公告)号：CN109816592B
公开(公告)日：2022-05-13
申请号：CN201910077583.0
申请日：2019-01-26
Applicant: 福州大学
IPC: G06T3/40
Abstract: 本发明涉及一种基于卷积神经网络的单帧图像连续尺度超分辨率方法。首先，输入待超分辨率的低分辨率图像和放大尺度因子t；其次，根据输入的放大尺度因子确定其对应的最优整数放大尺度因子s，利用双三次插值算法将输入的低分辨率图像放大s倍；再而，利用现有的基于卷积神经网络的超分辨率算法的网络模型，放大图像进行特征提取及重建，得到放大了s倍的高分辨率图像；最后，对得到的高分辨率图像，使用双三次插值缩放至目标分辨率，得到最终的放大了t倍的高分辨率图像。本发明能够有效地提高已有基于卷积神经网络的超分辨率算法在连续放大尺度超分辨率上的性能，可应用于图像处理、计算机视觉等领域。
-
公开(公告)号：CN111242846A
公开(公告)日：2020-06-05
申请号：CN202010013198.2
申请日：2020-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于非局部增强网络的细粒度尺度图像超分辨率方法，该方法包括以下步骤：步骤A：对原始高分辨率训练图像进行预处理，得到不同尺度的低质量的高分辨率图像块和原始高分辨率训练图像块组成的图像块对数据集；步骤B：使用图像块对数据集训练非局部增强的深度网络；步骤C：将低质量测试图像的高分辨率图像输入到深度网络进行重建，得到超分辨率结果。该方法使用非局部增强的深层残差结构，通过将非局部操作与普通卷积相结合，可以有效地捕获并利用局部和非局部图像属性进行图像超分辨率，对比现有超分辨率模型，该方法能显著提高图像超分辨率在细粒度尺度上的性能。
-
-
-
Search Results
4
records
(took 0.013 seconds)
