公开(公告)号：CN115984117A

公开(公告)日：2023-04-18

申请号：CN202310105929.X

申请日：2023-02-13

Applicant: 西安邮电大学

Inventor： 徐健 ,  赵钰榕 ,  何春梦 ,  雷博 ,  范九伦

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于通道注意力的变分自编码图像超分辨率方法及系统，方法包括以下步骤：采集待重建图像，得到原始数据集，并对所述原始数据集进行预处理，得到训练样本；构建神经网络模型；将所述训练样本输入至所述神经网络模型中，进行训练，得到训练好的神经网络模型；基于训练好的所述神经网络模型对待重建图像进行超分辨率重建，并基于重建图像，评价所述神经网络模型。通过搭建神经网络，由于普通的生成对抗网络会存在模式崩塌和训练不稳定导致生成的图像质量不好，所以将基于通道注意力的变分自编码器作用于判别器中，不仅可以提高判别器的判别能力，还可以生成效果更好的图像及更高的PSNR和SSIM值。

公开(公告)号：CN116258628A

公开(公告)日：2023-06-13

申请号：CN202310003937.3

申请日：2023-01-03

Applicant: 西安邮电大学

Inventor： 徐健 ,  李新婷 ,  何春梦 ,  益琛 ,  李莹华 ,  范九伦 ,  雷博

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/75

Abstract: 本发明公开了一种基于空间变换网络的参考图像超分辨率方法，本发明属于图像处理领域，包括：获取低分辨率图像和参考图像，将低分辨率图像与参考图像进行纹理搜索匹配，得到匹配特征块，设置块匹配阈值，基于块匹配阈值和匹配特征块，得到参考纹理特征图；对低分辨率图像进行浅层特征提取，将提取后的浅层特征图进行对应超分辨率倍数放大，得到放大浅层特征图；构建空间变换网络并训练空间变换网络，基于训练好的空间变换网络，将参考纹理特征图和放大浅层特征图进行空间对齐和特征融合，得到超分辨率图像。本发明既能有效解决纹理匹配不精确的问题，又能迁移更多纹理细节，同时可以获得峰值信噪比更高，视觉效果更好的高分辨率图像。

公开(公告)号：CN115984117B

公开(公告)日：2023-11-24

申请号：CN202310105929.X

申请日：2023-02-13

Applicant: 西安邮电大学

Inventor： 徐健 ,  赵钰榕 ,  何春梦 ,  雷博 ,  范九伦

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于通道注意力的变分自编码图像超分辨率方法及系统，方法包括以下步骤：采集待重建图像，得到原始数据集，并对所述原始数据集进行预处理，得到训练样本；构建神经网络模型；将所述训练样本输入至所述神经网络模型中，进行训练，得到训练好的神经网络模型；基于训练好的所述神经网络模型对待重建图像进行超分辨率重建，并基于重建图像，评价所述神经网络模型。通过搭建神经网络，由于普通的生成对抗网络会存在模式崩塌和训练不稳定导致生成的图像质量不好，所以将基于通道注意力的变分自编码器作用于判别器中，不仅可以提高判别器的判别能力，还可以生成效果更好的图像及更高的PSNR和SSIM值。

公开(公告)号：CN115880158B

公开(公告)日：2023-10-27

申请号：CN202310045659.8

申请日：2023-01-30

Applicant: 西安邮电大学

Inventor： 徐健 ,  何春梦 ,  赵钰蓉 ,  益琛 ,  李莹华 ,  范九伦 ,  雷博

IPC: G06T3/40 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请公开了一种基于变分自编码的盲图像超分辨率重建方法及系统，其中方法包括：通过模拟真实情景的退化过程构建数据集，来获取待重建图像的训练样本；构建神经网络；利用训练样本训练神经网络，得到重建神经网络；利用重建神经网络对待重建图像进行超分辨率重建。本申请既可以有效解决真实场景图片不能进行处理或者处理效果不理想的问题，同时，又可以取得比现有系统和方法更好的视觉效果，在一定程度上能够去除伪影和人工痕迹保证了待超分图像的真实性同时充分保留图像的细节信息，实现了完整、真实地对低分辨率和退化的图像进行重建。高分辨率的图像因像素密度高而能为数字图像处理提供更多重要的细节信息，为图像后期处理打下良好的基础。

公开(公告)号：CN115880158A

公开(公告)日：2023-03-31

申请号：CN202310045659.8

申请日：2023-01-30

Applicant: 西安邮电大学

Inventor： 徐健 ,  何春梦 ,  赵钰蓉 ,  益琛 ,  李莹华 ,  范九伦 ,  雷博

IPC: G06T3/40 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请公开了一种基于变分自编码的盲图像超分辨率重建方法及系统，其中方法包括：通过模拟真实情景的退化过程构建数据集，来获取待重建图像的训练样本；构建神经网络；利用训练样本训练神经网络，得到重建神经网络；利用重建神经网络对待重建图像进行超分辨率重建。本申请既可以有效解决真实场景图片不能进行处理或者处理效果不理想的问题，同时，又可以取得比现有系统和方法更好的视觉效果，在一定程度上能够去除伪影和人工痕迹保证了待超分图像的真实性同时充分保留图像的细节信息，实现了完整、真实地对低分辨率和退化的图像进行重建。高分辨率的图像因像素密度高而能为数字图像处理提供更多重要的细节信息，为图像后期处理打下良好的基础。