公开(公告)号：CN111161150B

公开(公告)日：2023-06-23

申请号：CN201911392155.3

申请日：2019-12-30

Applicant: 北京工业大学

Inventor： 付利华 ,  李宗刚 ,  张博 ,  陈辉 ,  赵茹

IPC: G06T3/40

Abstract: 本发明提供了一种基于多尺度注意级联网络的图像超分辨率重建方法，首先使用卷积操作提取低分辨率图像的浅层特征；然后，将浅层特征输入特征提取子网，获得级联特征；进一步，将级联特征通过卷积核为1的卷积层，获得优化的特征；将优化后的特征输入图像深度学习上采样模块获得重建图像同时，对低分辨率图像ILR采用双三次线性插值算法获得重建图像最后，将重建图像和融合，获得最终的高分辨率重建图像ISR。本发明适用于图像的超分辨率重建，得到的重建图像清晰度高，纹理更为真实，感观效果好。

公开(公告)号：CN111161150A

公开(公告)日：2020-05-15

申请号：CN201911392155.3

申请日：2019-12-30

Applicant: 北京工业大学

Inventor： 付利华 ,  李宗刚 ,  张博 ,  陈辉 ,  赵茹

IPC: G06T3/40

Abstract: 本发明提供了一种基于多尺度注意级联网络的图像超分辨率重建方法，首先使用卷积操作提取低分辨率图像的浅层特征；然后，将浅层特征输入特征提取子网，获得级联特征；进一步，将级联特征通过卷积核为1的卷积层，获得优化的特征；将优化后的特征输入图像深度学习上采样模块获得重建图像 同时，对低分辨率图像ILR采用双三次线性插值算法获得重建图像 最后，将重建图像 和融合，获得最终的高分辨率重建图像ISR。本发明适用于图像的超分辨率重建，得到的重建图像清晰度高，纹理更为真实，感观效果好。

公开(公告)号：CN109903334A

公开(公告)日：2019-06-18

申请号：CN201910137728.1

申请日：2019-02-25

Applicant: 北京工业大学

Inventor： 付利华 ,  冯羽葭 ,  彭硕 ,  杨寒雪 ,  李宗刚

IPC: G06T7/70 ,  G06T7/50 ,  G06T7/215 ,  G06K9/62 ,  G06K9/00

Abstract: 本发明涉及一种基于时间一致性的双目摄像头运动物体检测方法，首先将t-1帧计算的结果作为参数输入，利用超像素分割、立体匹配算法计算t帧的斜平面模型；然后，通过计算t帧的光流和自运动模型得到运动物体的初始运动模型；之后，通过t-1帧计算的运动物体信息和t帧的超像素信息计算出场景流能量方程中时间一致性数据项；最后，根据以上计算的信息构建t帧的场景流能量方程，并使能量方程最小化计算出t帧的运动物体信息。应用本发明，解决了传统运动物体检测方法在计算t帧运动模型时没有关联t-1帧计算的运动模型，导致运动物体检漏检和误检的问题。本发明适用于视频的运动物体检测，具有很好的鲁棒性，检测结果准确。