公开(公告)号：CN110009589A

公开(公告)日：2019-07-12

申请号：CN201910289834.1

申请日：2019-04-11

Applicant: 重庆大学

Inventor： 甘平 ,  陆鹏 ,  张晓松 ,  周鑫 ,  刘闻通

IPC: G06T5/00

Abstract: 本发明公开了一种基于DLSS深度学习超级采样技术的图像滤波方法，包括如下步骤：获取原始图像IL；使用DLSS深度学习超级采样技术由原始图像IL生成轮廓模板；对轮廓模板进行差值得到初始插值图像II；基于原始图像IL提取低频图像ILL和高频图像ILH；将原始图像IL分为多个待匹配块；基于原始图像IL分成的多个待匹配块生成多个高频信息块；将得到的高频信息块拼接成具有初始插值图像II尺寸的高频信息H；将高频信息H叠加到初始插值图像II上合成具有原始图像IL纹理特征的超分辨率图像IH；对超分辨率图像IH进行滤波得到目标图像。本发明将DLSS深度学习超级采样技术与数学形态学相结合，从而有效提高了采用数学形态学进行图像处理时的细节处理精准度，缩短了处理耗时。

公开(公告)号：CN110009589B

公开(公告)日：2020-11-24

申请号：CN201910289834.1

申请日：2019-04-11

Applicant: 重庆大学

Inventor： 甘平 ,  陆鹏 ,  张晓松 ,  周鑫 ,  刘闻通

IPC: G06T5/00

Abstract: 本发明公开了一种基于DLSS深度学习超级采样技术的图像滤波方法，包括如下步骤：获取原始图像IL；使用DLSS深度学习超级采样技术由原始图像IL生成轮廓模板；对轮廓模板进行差值得到初始插值图像II；基于原始图像IL提取低频图像ILL和高频图像ILH；将原始图像IL分为多个待匹配块；基于原始图像IL分成的多个待匹配块生成多个高频信息块；将得到的高频信息块拼接成具有初始插值图像II尺寸的高频信息H；将高频信息H叠加到初始插值图像II上合成具有原始图像IL纹理特征的超分辨率图像IH；对超分辨率图像IH进行滤波得到目标图像。本发明将DLSS深度学习超级采样技术与数学形态学相结合，从而有效提高了采用数学形态学进行图像处理时的细节处理精准度，缩短了处理耗时。