-
公开(公告)号:CN117437528A
公开(公告)日:2024-01-23
申请号:CN202311519932.2
申请日:2023-11-15
Applicant: 重庆大学
IPC: G06V10/98 , G06V10/80 , G06V10/44 , G06V10/766 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于KLT理论和视差补偿的SR图像质量评价方法及系统,获取待预测超分辨率重建图像进行频域滤波并提取中高频域图像作为模型输入;计算每个频域图像通道的协方差向量矩阵并根据KLT内核计算KLT系数矩阵,谱分解并组合得到不同深度的图像细节特征图;将浅层特征图构成图像结构特征经第一回归网络得到图像结构信息质量分数;采用不同深度的卷积神经网络将多级深层特征图分别进行图像特征细化整合,并根据视差补偿的原理分两部分,利用第二和第三回归网络得到左眼和右眼细节特征质量分数;将三个质量分数进行自适应加权得到最终客观评价质量预测分数;本发明在感知图像整体结构的同时,利用左右眼视差补偿原理使客观评价结果贴近人眼感知。
-
公开(公告)号:CN117437528B
公开(公告)日:2025-03-07
申请号:CN202311519932.2
申请日:2023-11-15
Applicant: 重庆大学
IPC: G06V10/98 , G06V10/80 , G06V10/44 , G06V10/766 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于KLT理论和视差补偿的SR图像质量评价方法及系统,获取待预测超分辨率重建图像进行频域滤波并提取中高频域图像作为模型输入;计算每个频域图像通道的协方差向量矩阵并根据KLT内核计算KLT系数矩阵,谱分解并组合得到不同深度的图像细节特征图;将浅层特征图构成图像结构特征经第一回归网络得到图像结构信息质量分数;采用不同深度的卷积神经网络将多级深层特征图分别进行图像特征细化整合,并根据视差补偿的原理分两部分,利用第二和第三回归网络得到左眼和右眼细节特征质量分数;将三个质量分数进行自适应加权得到最终客观评价质量预测分数;本发明在感知图像整体结构的同时,利用左右眼视差补偿原理使客观评价结果贴近人眼感知。
-
公开(公告)号:CN116152062A
公开(公告)日:2023-05-23
申请号:CN202211678239.5
申请日:2022-12-26
Applicant: 重庆大学
IPC: G06T3/40 , G06V10/40 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种轻量化超分辨率重建方法,通过将待处理图像输入至深度特征提取网络,得到图像深度特征;并根据图像深度特征和待处理图像,得到超分辨率重建图像;其中,深度特征提取网络包括n个深度特征转换块,每个深度特征转换块包括渐进式细化模块、线性变换模块和多尺度特征融合模块,用于通过U型特征蒸馏提取待处理图像的多尺度特征信息;本发明提供的超分辨率重建方法,在提升模型性能的同时,利用深度可分离卷积和线性变换模块大幅度降低模型参数量。
-
-