公开(公告)号：CN106127684A

公开(公告)日：2016-11-16

申请号：CN201610458327.2

申请日：2016-06-22

Applicant: 中国科学院自动化研究所

Inventor： 黄凯奇 ,  徐冉 ,  张俊格

IPC: G06T3/40 ,  G06T5/00

CPC classification number: G06T3/4053 ,  G06T5/001 ,  G06T2207/20081

Abstract: 本发明公开了一种基于双向递归卷积神经网络的图像超分辨率增强方法，包括模型训练和分辨率增强两部分；模型训练：获取多组包含有完全相同内容的高、低分辨率图像，并通过滑动窗口的方法提取高、低分辨率图像块序列，进而训练双向递归卷积神经网络模型；分辨率增强：将待处理低分辨率图像通过滑动窗口的方法分割成一组待处理低分辨率图像块，通过训练好的双向递归卷积神经网络模型生成对应的高分辨率图像块并融合为对应的高分辨率图像。该方法充分利用了双向递归卷积神经网络学习相邻图像块空间位置关系，进而得到包含有更多边缘纹理等细节信息的高分辨率图像。

公开(公告)号：CN106127684B

公开(公告)日：2019-03-15

申请号：CN201610458327.2

申请日：2016-06-22

Applicant: 中国科学院自动化研究所

Inventor： 黄凯奇 ,  徐冉 ,  张俊格

IPC: G06T3/40 ,  G06T5/00

Abstract: 本发明公开了一种基于双向递归卷积神经网络的图像超分辨率增强方法，包括模型训练和分辨率增强两部分；模型训练：获取多组包含有完全相同内容的高、低分辨率图像，并通过滑动窗口的方法提取高、低分辨率图像块序列，进而训练双向递归卷积神经网络模型；分辨率增强：将待处理低分辨率图像通过滑动窗口的方法分割成一组待处理低分辨率图像块，通过训练好的双向递归卷积神经网络模型生成对应的高分辨率图像块并融合为对应的高分辨率图像。该方法充分利用了双向递归卷积神经网络学习相邻图像块空间位置关系，进而得到包含有更多边缘纹理等细节信息的高分辨率图像。