公开(公告)号：CN118780984A

公开(公告)日：2024-10-15

申请号：CN202410747022.8

申请日：2024-06-11

Applicant: 西安交通大学

Inventor： 汪航 ,  孙宏滨 ,  薛若漪 ,  程成 ,  张旭翀

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明基于卷积和Transformer混合架构的图像超分辨率重建方法及系统，该方法包括：对单幅图像超分辨率重建训练数据集中的原始数据进行预处理，生成低分辨率图像和高分辨率图像配对的训练数据；构建基于卷积和Transformer混合架构的图像超分辨率重建网络，将预处理后的训练数据输入图像超分辨率重建网络，并使用L1损失函数和ADAM优化器进行训练，获得训练好的超分辨率重建网络模型；将待重建的图像输入训练好的超分辨率重建网络模型，生成对应的高分辨率图像。该系统包括数据预处理模块、模型训练模块和图像重建模块。本发明可以同时利用卷积神经网络和Transformer的优势，以获得局部和全局信息的同时有效降低模型复杂度和延迟，提高超分辨率重建图像的质量。

公开(公告)号：CN114581560B

公开(公告)日：2024-04-16

申请号：CN202210199669.2

申请日：2022-03-01

Applicant: 西安交通大学

Inventor： 汪航 ,  孙宏滨 ,  程成 ,  张旭翀

IPC: G06T11/40 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的多尺度神经网络红外图像彩色化方法，该方法首先利用二维卷积神经网络在不同分辨率尺度下对输入的红外图像对进行特征提取，然后通过注意力机制对提取出的高维特征信息进行提炼处理，最终将多尺度信息进行融合处理得到预测的彩色化红外图像。与现有的红外图像彩色化网络相比，本发明基于注意力机制与多尺度层次化结构构建神经网络算法模型，通过采用改进的空间注意力与多维特征连结机制，能够提高网络模型特征提取能力的同时有效降低模型复杂度，通过设计像素损失、边缘损失和感知损失的复合损失函数，进一步提高彩色化红外图像的质量。

公开(公告)号：CN114581560A

公开(公告)日：2022-06-03

申请号：CN202210199669.2

申请日：2022-03-01

Applicant: 西安交通大学

Inventor： 汪航 ,  孙宏滨 ,  程成 ,  张旭翀

IPC: G06T11/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的多尺度神经网络红外图像彩色化方法，该方法首先利用二维卷积神经网络在不同分辨率尺度下对输入的红外图像对进行特征提取，然后通过注意力机制对提取出的高维特征信息进行提炼处理，最终将多尺度信息进行融合处理得到预测的彩色化红外图像。与现有的红外图像彩色化网络相比，本发明基于注意力机制与多尺度层次化结构构建神经网络算法模型，通过采用改进的空间注意力与多维特征连结机制，能够提高网络模型特征提取能力的同时有效降低模型复杂度，通过设计像素损失、边缘损失和感知损失的复合损失函数，进一步提高彩色化红外图像的质量。