公开(公告)号：CN107341776A

公开(公告)日：2017-11-10

申请号：CN201710475747.6

申请日：2017-06-21

Applicant: 北京工业大学

Inventor： 任坤 ,  杨玉清 ,  孟丽莎 ,  孙光民 ,  王普

IPC: G06T5/00 ,  G06K9/62

CPC classification number: G06T5/003 ,  G06K9/6223 ,  G06T2207/20081

Abstract: 本发明公开一种基于稀疏编码与组合映射的单帧超分辨率重建方法，包括：对初始高分辨训练集图像处理得到扩充后的高分辨率特征块样本和插值后的中高分辨率特征块样本；训练已获得的特征样本，得到字典原子作为聚类中心，以此中心对样本进行聚类；根据不同分辨率之间的对应关系求取每个聚类的映射矩阵；依据训练集的低分辨率图像处理方式，处理输入的低分辨率测试图像，由训练得到的字典原子求取其稀疏系数；将稀疏系数作为权重，以聚类中求得的每一个映射矩阵为一个组合元素，匹配组合得到重建图像所需要的映射关系，以此映射矩阵直接与插值中高分辨率特征块相乘得到高分辨率特征块；并进行去重叠和块融合，添加原低频信息后得到重建高分辨率图像。

公开(公告)号：CN107341776B

公开(公告)日：2021-05-14

申请号：CN201710475747.6

申请日：2017-06-21

Applicant: 北京工业大学

Inventor： 任坤 ,  杨玉清 ,  孟丽莎 ,  孙光民 ,  王普

IPC: G06T5/00 ,  G06K9/62

Abstract: 本发明公开一种基于稀疏编码与组合映射的单帧超分辨率重建方法，包括：对初始高分辨训练集图像处理得到扩充后的高分辨率特征块样本和插值后的中高分辨率特征块样本；训练已获得的特征样本，得到字典原子作为聚类中心，以此中心对样本进行聚类；根据不同分辨率之间的对应关系求取每个聚类的映射矩阵；依据训练集的低分辨率图像处理方式，处理输入的低分辨率测试图像，由训练得到的字典原子求取其稀疏系数；将稀疏系数作为权重，以聚类中求得的每一个映射矩阵为一个组合元素，匹配组合得到重建图像所需要的映射关系，以此映射矩阵直接与插值中高分辨率特征块相乘得到高分辨率特征块；并进行去重叠和块融合，添加原低频信息后得到重建高分辨率图像。

公开(公告)号：CN109377448A

公开(公告)日：2019-02-22

申请号：CN201810484725.0

申请日：2018-05-20

Applicant: 北京工业大学

Inventor： 任坤 ,  孟丽莎 ,  杨玉清

IPC: G06T5/00

Abstract: 本发明公开一种基于生成对抗网络的人脸图像修复方法，包括：人脸数据集预处理，对收集到的图像进行人脸识别获取特定尺寸的人脸图像；训练阶段，将收集到的人脸图像作为数据集，对生成网络和判别网络进行训练，旨在通过生成网络获取较为逼真的图像，为了解决网络中存在的训练不稳定、模式崩溃问题，将最小二乘损失作为判别网络的损失函数；修复阶段，自动对原始图像添加特定的掩码，模拟真实缺失区域，将带有掩码的人脸图像输入优化好的深度卷积生成对抗网络中，通过上下文损失和两个对抗损失获取相关的随机参数，通过生成网络获取修复信息。本发明不仅能够解决缺损信息严重的人脸图像修复，而且能够生成更为符合视觉认知的人脸修复图像。

公开(公告)号：CN109377448B

公开(公告)日：2021-05-07

申请号：CN201810484725.0

申请日：2018-05-20

Applicant: 北京工业大学

Inventor： 任坤 ,  孟丽莎 ,  杨玉清

IPC: G06T5/00

Abstract: 本发明公开一种基于生成对抗网络的人脸图像修复方法，包括：人脸数据集预处理，对收集到的图像进行人脸识别获取特定尺寸的人脸图像；训练阶段，将收集到的人脸图像作为数据集，对生成网络和判别网络进行训练，旨在通过生成网络获取较为逼真的图像，为了解决网络中存在的训练不稳定、模式崩溃问题，将最小二乘损失作为判别网络的损失函数；修复阶段，自动对原始图像添加特定的掩码，模拟真实缺失区域，将带有掩码的人脸图像输入优化好的深度卷积生成对抗网络中，通过上下文损失和两个对抗损失获取相关的随机参数，通过生成网络获取修复信息。本发明不仅能够解决缺损信息严重的人脸图像修复，而且能够生成更为符合视觉认知的人脸修复图像。

公开(公告)号：CN109559287A

公开(公告)日：2019-04-02

申请号：CN201811386418.5

申请日：2018-11-20

Applicant: 北京工业大学

Inventor： 任坤 ,  孟丽莎 ,  范春奇 ,  黄泷 ,  王普

IPC: G06T5/00 ,  G06N3/04

Abstract: 本发明公开一种基于DenseNet生成对抗网络的语义图像修复方法。包括：收集图像预处理，构建训练和测试数据集；构建DenseNet生成对抗网络；训练DenseNet生成对抗网络阶段；最后，利用训练好的网络实现缺损图像的修复处理。本发明在生成对抗网络的框架下，引入DenseNet结构并构建新的损失函数以优化网络，不仅减轻了梯度消失，减小网络参数，同时提高特征的传递和利用，改进和提高了大区域语义信息缺失图像修复的相似性和视觉效果。实例表明本发明能够实现缺损信息严重的人脸图像修复，而且与现有的其他方法相比，修复结果更为符合视觉认知。