公开(公告)号：CN114418850A

公开(公告)日：2022-04-29

申请号：CN202210052834.1

申请日：2022-01-18

Applicant: 北京工业大学

Inventor： 付利华 ,  赵茹 ,  王丹 ,  杜金莲 ,  李鑫辉

IPC: G06T3/40 ,  G06V10/74 ,  G06V10/80 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种融合图卷积的有参考图像的超分辨率重构方法，首先设计图像低阶特征提取模块，获得图像的低阶特征；通过参考图像高阶特征提取模块，充分挖掘参考图像的高阶特征；然后，设计参考图像特征迁移模块，将参考图像特征中的相似特征迁移到低分辨率图像特征，同时将特征间的相似度作为迁移特征的注意力权重，以更好地突出相似程度高的特征融合，抑制相似程度弱的特征融合；最后，通过跨尺度特征融合模块，将不同尺度的特征融合，获得具有更强大表征能力的超分辨率重构特征，从而获得更好的超分辨率重构图像。本发明具有良好的鲁棒性、重构精度较高，在图像超分辨率重构的公共数据集上取得了良好的超分辨率重构效果。

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：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。