公开(公告)号：CN111640067B

公开(公告)日：2022-08-09

申请号：CN202010523197.2

申请日：2020-06-10

Applicant: 华侨大学

Inventor： 陈剑涛 ,  黄德天

IPC: G06T3/40 ,  G06N3/04 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供了图像处理领域的一种基于三通道卷积神经网络的单幅图像超分辨率重建方法，包括如下步骤：步骤S10、获取图像的数据集，并基于所述数据集创建复数张高分辨率图像以及高分辨率图像所对应的低分辨率图像；步骤S20、创建三通道卷积神经网络模型，并利用所述三通道卷积神经网络模型对各高分辨率图像和低分辨率图像进行训练，并生成低分辨率图像与高分辨率图像的映射关系；步骤S30、利用均方误差损失函数对所述映射关系进行优化；步骤S40、基于优化后的所述映射关系，将待重建的低分辨率图像输入所述三通道卷积神经网络模型，输出重建后的高分辨率图像。本发明的优点在于：实现不增加网络深度和模型参数的前提下，极大的提升了重建图像的质量。

公开(公告)号：CN111640067A

公开(公告)日：2020-09-08

申请号：CN202010523197.2

申请日：2020-06-10

Applicant: 华侨大学

Inventor： 陈剑涛 ,  黄德天

IPC: G06T3/40 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明提供了图像处理领域的一种基于三通道卷积神经网络的单幅图像超分辨率重建方法，包括如下步骤：步骤S10、获取图像的数据集，并基于所述数据集创建复数张高分辨率图像以及高分辨率图像所对应的低分辨率图像；步骤S20、创建三通道卷积神经网络模型，并利用所述三通道卷积神经网络模型对各高分辨率图像和低分辨率图像进行训练，并生成低分辨率图像与高分辨率图像的映射关系；步骤S30、利用均方误差损失函数对所述映射关系进行优化；步骤S40、基于优化后的所述映射关系，将待重建的低分辨率图像输入所述三通道卷积神经网络模型，输出重建后的高分辨率图像。本发明的优点在于：实现不增加网络深度和模型参数的前提下，极大的提升了重建图像的质量。