公开(公告)号：CN117934278A

公开(公告)日：2024-04-26

申请号：CN202410095363.1

申请日：2024-01-24

Applicant: 吉林大学

Inventor： 卢奕南 ,  梁世华

IPC: G06T3/4053 ,  G06T5/50

Abstract: 本发明公开了一种基于深度学习的视频超分辨率重建方法，其方法包括的步骤为：第一步、获取视频样本集；第二步、构建全时超分辨率重建网络模型；第三步、模型训练；第四步、将待进行超分辨率重建任务的视频。有益效果：构建了低频超分结果，并采用非局部注意力渐进融合，对来自过去、现在和未来的信息进行渐进融合,充分提取帧内空间相关性与帧间时间相关性,实现了有效的对齐与融合，同时利用先验信息,使得模型更好地重建前景的高频信息,提高重建观感和质量。该方法在多个公开数据集上取得了较好的重建效果。

公开(公告)号：CN116612008A

公开(公告)日：2023-08-18

申请号：CN202310652004.7

申请日：2023-06-05

Applicant: 吉林大学

Inventor： 卢奕南 ,  梁世华 ,  付柯

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/0475 ,  G06V10/82 ,  G06V10/40 ,  G06N3/084 ,  G06V10/764 ,  G06N3/094

Abstract: 本发明公开了一种基于深度学习的图像超分辨率重建方法，其方法包括的步骤为：第一步、获得图像样本，对其进行处理以构建训练集；第二步、图像超分辨率网络模型的构建，第三步、使用上述得到的SRGAN模型中的生成器网络，对待超分辨率重建的图像进行处理，以实现超分辨率重建。有益效果：有利于图像超分辨率重建时的细节生成。提高计算深度的同时更能对浅层特征进行保留，使得图像超分辨率重建这一浅层任务的完成效果更佳。去除了批归一化层对于特征的模糊影响，进一步提供了模型的表达能力。提高图像超分辨率重建的质量，更好地生成高分辨率图像。