-
公开(公告)号：CN119599875B
公开(公告)日：2025-04-11
申请号：CN202510138336.2
申请日：2025-02-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/08 , G06T3/4038 , G06T3/4046 , G06T5/60 , G06T5/73
Abstract: 本发明公开了一种面向局部运动模糊的图像超分辨率方法及装置，涉及图像处理领域，包括：获取待重建的低分辨率图像并输入到经训练的图像超分辨率模型，低分辨率图像输入到图像选择模块，得到图像分组标签，图像分组标签包括正标签和负标签，正标签与模糊图像块相对应，负标签与其他图像块相对应；根据图像分组标签分别将正标签相对应的模糊图像块以及负标签相对应的其他图像块输入到正标签特征提取分支和负标签特征提取分支，得到正标签特征和负标签特征，正标签特征和负标签特征经过拼接层进行拼接，得到图像特征；图像特征经过图像重建模块，重建得到对应的高分辨率图像。本发明解决了局部运动模糊图像在超分辨率重建中性能差和效率低的问题。
-
公开(公告)号：CN119180753B
公开(公告)日：2025-03-14
申请号：CN202411681831.X
申请日：2024-11-22
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/045 , G06N3/0464 , G06T3/4046
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。
-
公开(公告)号：CN119599875A
公开(公告)日：2025-03-11
申请号：CN202510138336.2
申请日：2025-02-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/08 , G06T3/4038 , G06T3/4046 , G06T5/60 , G06T5/73
Abstract: 本发明公开了一种面向局部运动模糊的图像超分辨率方法及装置，涉及图像处理领域，包括：获取待重建的低分辨率图像并输入到经训练的图像超分辨率模型，低分辨率图像输入到图像选择模块，得到图像分组标签，图像分组标签包括正标签和负标签，正标签与模糊图像块相对应，负标签与其他图像块相对应；根据图像分组标签分别将正标签相对应的模糊图像块以及负标签相对应的其他图像块输入到正标签特征提取分支和负标签特征提取分支，得到正标签特征和负标签特征，正标签特征和负标签特征经过拼接层进行拼接，得到图像特征；图像特征经过图像重建模块，重建得到对应的高分辨率图像。本发明解决了局部运动模糊图像在超分辨率重建中性能差和效率低的问题。
-
公开(公告)号：CN119359547A
公开(公告)日：2025-01-24
申请号：CN202411936474.7
申请日：2024-12-26
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/0495 , G06T3/4046
Abstract: 本发明设计图像处理技术领域，公开了一种基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法，包括以下步骤：构建动态非对称蒸馏模块和层间全维信息交互模块；基于动态非对称蒸馏模块和层间全维信息交互模块构建轻量级图像超分辨率网络；利用所述轻量级图像超分辨率网络实现图像超分辨率；其中，所述轻量级图像超分辨率网络利用卷积层对输入的低分辨率图像进行浅层特征提取，利用动态非对称蒸馏模块和层间全维信息交互模块对浅层特征进行深层特征提取，利用卷积层和上采样对深层特征进行图像重建，得到高分辨率图像。本发明以更轻量、更有效的方式提取关键特征，从而实现在提升重建效果的同时，最小化计算开销和参数量。
-
公开(公告)号：CN119251050A
公开(公告)日：2025-01-03
申请号：CN202411283089.7
申请日：2024-09-13
Applicant: 华侨大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F17/16
Abstract: 本发明公开了一种基于混合池化Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于混合池化Transformer的轻量级图像超分辨率模型并训练，得到经训练的轻量级图像超分辨率模型；获取待重建的低分辨率图像和尺度因子并输入到经训练的轻量级图像超分辨率模型，低分辨率图像输入第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征经过若干个基于混合池化的Transformer模块后，得到最后一个基于混合池化的Transformer模块的输出特征，最后一个基于混合池化的Transformer模块的输出特征与第一卷积层的输出特征相加后依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明解决了现有Transformer方法计算复杂度过高的问题。
-
Patent Agency Ranking
公开(公告)号：CN119180753A
公开(公告)日：2024-12-24
申请号：CN202411681831.X
申请日：2024-11-22
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/045 , G06N3/0464 , G06T3/4046
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。
-
公开(公告)号：CN118229531B
公开(公告)日：2024-09-17
申请号：CN202410609646.3
申请日：2024-05-16
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06T3/4046 , G06V10/44
Abstract: 本发明公开了一种基于局部增强Transformer的图像超分辨率方法及系统，涉及图像超分辨技术领域，方法包括以下步骤：构建基于局部增强Transformer的图像超分辨率网络；输入低分辨率图像，图像超分辨率网络根据低分辨率图像重建对应的高分辨率图像；其中，所述图像超分辨率网络包括依次连接的浅层特征提取模块、深层特征提取模块和图像重建模块；其中，浅层特征提取模块利用卷积层提取浅层特征，深层特征提取模块利用多个局部增强自注意力单元提取深层特征，每个局部增强自注意力单元包括多个Transformer层和一个3×3卷积组成，图像重建模块采用卷积实现重建。本发明利用局部增强Transformer来提取丰富的全局与局部特征，从而使网络兼顾图像的全局与局部细节。
-
公开(公告)号：CN114066727B
公开(公告)日：2024-09-06
申请号：CN202110858949.5
申请日：2021-07-28
Applicant: 华侨大学
IPC: G06T3/4053 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种多阶段渐进式图像超分辨率方法，包括：使用多尺度特征提取模块提取待重建的图像特征，并引入通道注意力模块，对不同通道特征赋予权重，从而增强重要通道特征的表现能力；采用残差特征融合机制，充分利用图像上下文特征的关联性，得到第一阶段中的重建图像；使用精细化模块，对第一阶段中得到的重建图像进行优化，从而得到更为精细的重建图像；采用损失函数进行训练，进一步提升模型的超分辨率效果。本发明方法有效提高了图像超分辨率重建的效果，在主观视觉和客观评价指标方面都获得了更好的效果。
-
公开(公告)号：CN118247180A
公开(公告)日：2024-06-25
申请号：CN202410661695.1
申请日：2024-05-27
Applicant: 华侨大学
Abstract: 本发明设计图像修复技术领域，公开了一种基于流形约束扩散模型的人脸图像复原方法及系统，方法包括以下步骤：S1，制作数据集并利用数据集预训练一个基础扩散模型；S2，构建受流形约束启发的额外校正项并添加到基础扩散模型，构建语义扩散引导统一框架并添加到基础扩散模型，获得人脸图像复原模型；S3，输入待复原人脸图像和引导信息到人脸图像复原模型，生成复原人脸图像。本发明基于扩散概率模型（DDPM）反向生成过程设计了一个受流形约束（Manifold Constrained）启发的额外校正项并引入语义扩散引导（Semantic Diffusion Guidance）框架控制生成过程，与之前的求解器协同使用，综合考虑了复原图像的正确性、真实性、一致性问题。
-
公开(公告)号：CN118229531A
公开(公告)日：2024-06-21
申请号：CN202410609646.3
申请日：2024-05-16
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06T3/4046 , G06V10/44
Abstract: 本发明公开了一种基于局部增强Transformer的图像超分辨率方法及系统，涉及图像超分辨技术领域，方法包括以下步骤：构建基于局部增强Transformer的图像超分辨率网络；输入低分辨率图像，图像超分辨率网络根据低分辨率图像重建对应的高分辨率图像；其中，所述图像超分辨率网络包括依次连接的浅层特征提取模块、深层特征提取模块和图像重建模块；其中，浅层特征提取模块利用卷积层提取浅层特征，深层特征提取模块利用多个局部增强自注意力单元提取深层特征，每个局部增强自注意力单元包括多个Transformer层和一个3×3卷积组成，图像重建模块采用卷积实现重建。本发明利用局部增强Transformer来提取丰富的全局与局部特征，从而使网络兼顾图像的全局与局部细节。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.022 seconds)
