公开(公告)号：CN111612695A

公开(公告)日：2020-09-01

申请号：CN202010424455.1

申请日：2020-05-19

Applicant: 华侨大学

Inventor： 张健 ,  黄德天 ,  陈健

IPC: G06T3/40 ,  G06K9/00 ,  G06N3/04 ,  G06F17/14

Abstract: 本发明提供了图像处理领域的一种低分辨率人脸图像超分辨重建方法，包括：步骤S10、采用多级离散小波变换对低分辨率人脸图像进行分解，得到子图像；步骤S20、将各所述子图像输入卷积模块，提取各所述子图像间的第一关联特征；步骤S30、利用二阶注意力机制对所述第一关联特征进行强化学习，得到第二关联特征；步骤S40、通过非局部自相似模块增强所述第二关联特征的残差特征，得到第三关联特征；步骤S50、将所述第三关联特征进行逆小波变换，得到重建的第一人脸图像；步骤S60、创建一损失函数，利用所述损失函数对第一人脸图像的空间域以及小波域进行双重约束，得到重建的第二人脸图像。本发明的优点在于：极大的提升了低分辨率人脸图像重建质量。

公开(公告)号：CN109146785A

公开(公告)日：2019-01-04

申请号：CN201810871111.8

申请日：2018-08-02

Applicant: 华侨大学 ,  泉州市中仿宏业信息科技有限公司

Inventor： 黄德天 ,  黄炜钦 ,  柳培忠 ,  林炎明 ,  张健

IPC: G06T3/40 ,  G06T9/00

CPC classification number: G06T3/4053 ,  G06T9/002

Abstract: 本发明涉及一种基于改进稀疏自动编码器的图像超分辨率方法，其以训练样本的高频信息为特征，分别构造高、低分辨率图像训练集，并通过ZCA白化技术对联合训练集去相关以降低其冗余性，从而提高自动编码器的训练效率；然后，在传统稀疏自动编码器的代价函数中加入构造的稀疏正则化项，获取改进的稀疏自动编码器，进一步加强对隐含层的稀疏性约束；接着，采用改进的稀疏自动编码器实现无监督的联合字典学习，以学习到更加准确和鲁棒的字典；最后将学习到的字典应用于基于稀疏表示的图像超分辨率重建框架中，实现图像的重建，达到提高重建质量的效果。

公开(公告)号：CN111612695B

公开(公告)日：2023-08-01

申请号：CN202010424455.1

申请日：2020-05-19

Applicant: 华侨大学

Inventor： 张健 ,  黄德天 ,  陈健

IPC: G06T3/40 ,  G06V40/16 ,  G06N3/0464 ,  G06V10/774 ,  G06F17/14 ,  G06V10/82 ,  G06N3/092

Abstract: 本发明提供了图像处理领域的一种低分辨率人脸图像超分辨重建方法，包括：步骤S10、采用多级离散小波变换对低分辨率人脸图像进行分解，得到子图像；步骤S20、将各所述子图像输入卷积模块，提取各所述子图像间的第一关联特征；步骤S30、利用二阶注意力机制对所述第一关联特征进行强化学习，得到第二关联特征；步骤S40、通过非局部自相似模块增强所述第二关联特征的残差特征，得到第三关联特征；步骤S50、将所述第三关联特征进行逆小波变换，得到重建的第一人脸图像；步骤S60、创建一损失函数，利用所述损失函数对第一人脸图像的空间域以及小波域进行双重约束，得到重建的第二人脸图像。本发明的优点在于：极大的提升了低分辨率人脸图像重建质量。