-
公开(公告)号：CN113222813B
公开(公告)日：2024-02-09
申请号：CN202110420575.9
申请日：2021-04-19
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种图像超分辨率重建方法、装置、电子设备及存储介质，该方法包括：获取待处理图像；将待处理图像输入至超分辨率重建模型，以使超分辨率重建模型对待处理图像中的各个像素点进行预测，并获得待处理图像的超分辨率重建图像；超分辨率重建模型为预先使用多个训练样本训练得到的二值神经网络模型，每个训练样本包括第一分辨率图像块以及对应的第二分辨率图像块；其中，所述第二分辨率大于所述第一分辨率。由于超分辨率重建模型中的双流二值推理层可通过量化阈值提升二值量化精度，并以双流的网络结构提升超分辨率重建模型的信息承载能力，因此能够显著提升超分辨率重建模型的性能，同时也可以在保证图像重建精度的基础上提高重建速度。
-
公开(公告)号：CN112950464A
公开(公告)日：2021-06-11
申请号：CN202110099913.3
申请日：2021-01-25
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种不包含正则化层的二值超分辨率重建方法，包括：对低分辨率图像进行数据分布处理，获得处理后图像；将所述处理后图像输入二值深度神经网络模型进行特征提取，获得重构后的图像；对所述重构后的图像进行数据分布处理，获得最终重建后的超分图像；利用梯度下降算法迭代更新所述二值深度神经网络模型的参数，直至达到收敛。本发明的方法，通过一种有效的二值化训练机制，允许神经网络在不包含正则化层时取得较优异的网络性能，从而使网络以较低的计算复杂度获得更加优异的超分辨率图像重建效果。
-
Patent Agency Ranking
公开(公告)号：CN112950464B
公开(公告)日：2023-09-01
申请号：CN202110099913.3
申请日：2021-01-25
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种不包含正则化层的二值超分辨率重建方法，包括：对低分辨率图像进行数据分布处理，获得处理后图像；将所述处理后图像输入二值深度神经网络模型进行特征提取，获得重构后的图像；对所述重构后的图像进行数据分布处理，获得最终重建后的超分图像；利用梯度下降算法迭代更新所述二值深度神经网络模型的参数，直至达到收敛。本发明的方法，通过一种有效的二值化训练机制，允许神经网络在不包含正则化层时取得较优异的网络性能，从而使网络以较低的计算复杂度获得更加优异的超分辨率图像重建效果。
-
公开(公告)号：CN114677271B
公开(公告)日：2025-04-29
申请号：CN202210147859.X
申请日：2022-02-17
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06T7/11 , G06N3/0464 , G06N3/084
Abstract: 本发明提供的一种基于深度图像先验的高光谱图像超分辨率重建方法，通过在现有的主体学习网络中加入不基于训练的自动处理网络，通过设计输入处理模块来充分根据网络主体结构调整网络输入，使输入与网络结构产生共鸣，从而充分利用图像先验信息，利用DCNN的内在特征先捕获图像，然后再恢复图像。本发明所提出的网络结构充分利用了高光谱图像的空间信息和光谱波段之间的相关性学习图像特征，并且此本发明的自动处理网络中的输入处理模块可以自动调整输入结构，可以大大扩展DIP算法的应用，使DIP方法更适合于高光谱超分任务，可以进一步提高了构图像的质量。
-
公开(公告)号：CN113222813A
公开(公告)日：2021-08-06
申请号：CN202110420575.9
申请日：2021-04-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种图像超分辨率重建方法、装置、电子设备及存储介质，该方法包括：获取待处理图像；将待处理图像输入至超分辨率重建模型，以使超分辨率重建模型对待处理图像中的各个像素点进行预测，并获得待处理图像的超分辨率重建图像；超分辨率重建模型为预先使用多个训练样本训练得到的二值神经网络模型，每个训练样本包括第一分辨率图像块以及对应的第二分辨率图像块；其中，所述第二分辨率大于所述第一分辨率。由于超分辨率重建模型中的双流二值推理层可通过量化阈值提升二值量化精度，并以双流的网络结构提升超分辨率重建模型的信息承载能力，因此能够显著提升超分辨率重建模型的性能，同时也可以在保证图像重建精度的基础上提高重建速度。
-
公开(公告)号：CN115311137A
公开(公告)日：2022-11-08
申请号：CN202210769773.0
申请日：2022-07-01
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于网络二值化推理加速的图像超分辨率重建方法，包括：获取待重建的低分辨率图像；将所述待重建的低分辨率图像输入至训练好的图像超分辨率重建模型中，得到最终的高分辨图像，其中，所述图像超分辨率重建模型包括依次连接的第一层卷积层、多个堆叠的二值残差块以及第二层卷积层，所述二值残差块为由权值和激活均进行二值量化处理的残差块得到。本发明首先采用多个矫正的阈值获取多视角下的二值激活表征，可以获取更准确的二值激活表达，显著降低由于二值化过程带来的量化误差。随后，模拟多bit网络的卷积操作，利用1‑bit网络去模拟多bit网络，提高二值网络的信息承载能力，进而提高二值超分网络对于高频细节信息的恢复。
-
公开(公告)号：CN114677271A
公开(公告)日：2022-06-28
申请号：CN202210147859.X
申请日：2022-02-17
Applicant: 西安电子科技大学
Abstract: 本发明提供的一种基于深度图像先验的高光谱图像超分辨率重建方法，通过在现有的主体学习网络中加入不基于训练的自动处理网络，通过设计输入处理模块来充分根据网络主体结构调整网络输入，使输入与网络结构产生共鸣，从而充分利用图像先验信息，利用DCNN的内在特征先捕获图像，然后再恢复图像。本发明所提出的网络结构充分利用了高光谱图像的空间信息和光谱波段之间的相关性学习图像特征，并且此本发明的自动处理网络中的输入处理模块可以自动调整输入结构，可以大大扩展DIP算法的应用，使DIP方法更适合于高光谱超分任务，可以进一步提高了构图像的质量。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
