公开(公告)号：CN111583112A

公开(公告)日：2020-08-25

申请号：CN202010353851.X

申请日：2020-04-29

Applicant: 华南理工大学

Inventor： 王华 ,  金龙存 ,  彭新一 ,  刘闯闯

IPC: G06T3/40 ,  G06T7/246 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了视频超分辨率生成方法、系统、装置和存储介质，该方法包括获取待处理的低分辨率视频帧，通过视频超分辨率模型对所述低分辨率视频帧进行处理，输出高分辨率的视频，采集训练样本，所述训练样本含高分辨率视频帧样本和低分辨率视频帧样本；根据采集的训练样本，基于预设损失函数和高分辨率视频帧样本建立视频超分辨率模型。本发明通过选练好的视频超分辨率模型实现对低分辨率视频帧间的运动补偿处理与特征增强并恢复视频帧的高频信息，以使输出的高分辨率视频包含更多的图像细节，提高视频的清晰度，避免基于光流视频超分辨率方法中光流误差对最终视频帧的恢复的干扰。可广泛的应用于图像处理技术领域。

公开(公告)号：CN112699844A

公开(公告)日：2021-04-23

申请号：CN202110043244.8

申请日：2021-01-13

Applicant: 华南理工大学

Inventor： 严伊彤 ,  刘闯闯 ,  金龙存 ,  彭新一

IPC: G06K9/00 ,  G06F17/14 ,  G06F17/16

Abstract: 本发明公开了一种基于多尺度残差层级密连接网络的图像超分辨率方法。所述方法包括以下步骤：制作训练数据集、验证数据集；建立多尺度残差层级密连接网络模型；初始化多尺度残差层级密连接网络模型，确定损失函数，选取优化器，设置训练的参数；训练多尺度残差层级密连接网络模型，每个epoch使用验证集来测试模型的性能，得到训练好的多尺度残差层级密连接网络模型；获取测试数据集，将测试数据集输入训练好的多尺度残差层级密连接网络模型中执行测试，生成超分辨率图像；计算生成的超分辨率图像与真实的高分辨率图像之间的峰值信噪比和结构相似度。

公开(公告)号：CN111583109B

公开(公告)日：2024-02-13

申请号：CN202010329481.6

申请日：2020-04-23

Applicant: 华南理工大学

Inventor： 刘闯闯 ,  严伊彤 ,  金龙存 ,  彭新一

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/045 ,  G06N3/084 ,  G06N3/082 ,  G06V10/774

Abstract: 本发明公开了基于生成对抗网络的图像超分辨率方法。所述方法包括以下步骤：获取训练数据集、验证数据集；构建图像超分辨率模型，包括生成网络模型和判别网络模型；初始化建立的生成网络模型和判别网络模型的权重，初始化网络模型，选取优化器，设置网络训练的参数；使用损失函数来同时训练生成网络模型和判别网络模型，直到生成网络和判别网络达到纳什平衡；获取测试数据集并输入到训练好的生成网络模型，生成超分辨率图像；计算生成的超分辨率图像与真实的高分辨率图像之间的峰值信噪比，计算生成图像的图像重建质量的评价指标，评估图像的重建质量。本发明通过优化网络结构来提升网络重建超分辨率图像的性能，解决图像超分辨率问题。

公开(公告)号：CN111583109A

公开(公告)日：2020-08-25

申请号：CN202010329481.6

申请日：2020-04-23

Applicant: 华南理工大学

Inventor： 刘闯闯 ,  严伊彤 ,  金龙存 ,  彭新一

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了基于生成对抗网络的图像超分辨率方法。所述方法包括以下步骤：获取训练数据集、验证数据集；构建图像超分辨率模型，包括生成网络模型和判别网络模型；初始化建立的生成网络模型和判别网络模型的权重，初始化网络模型，选取优化器，设置网络训练的参数；使用损失函数来同时训练生成网络模型和判别网络模型，直到生成网络和判别网络达到纳什平衡；获取测试数据集并输入到训练好的生成网络模型，生成超分辨率图像；计算生成的超分辨率图像与真实的高分辨率图像之间的峰值信噪比，计算生成图像的图像重建质量的评价指标，评估图像的重建质量。本发明通过优化网络结构来提升网络重建超分辨率图像的性能，解决图像超分辨率问题。

公开(公告)号：CN112699844B

公开(公告)日：2023-06-20

申请号：CN202110043244.8

申请日：2021-01-13

Applicant: 华南理工大学

Inventor： 严伊彤 ,  刘闯闯 ,  金龙存 ,  彭新一

IPC: G06T3/40 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于多尺度残差层级密连接网络的图像超分辨率方法。所述方法包括以下步骤：制作训练数据集、验证数据集；建立多尺度残差层级密连接网络模型；初始化多尺度残差层级密连接网络模型，确定损失函数，选取优化器，设置训练的参数；训练多尺度残差层级密连接网络模型，每个epoch使用验证集来测试模型的性能，得到训练好的多尺度残差层级密连接网络模型；获取测试数据集，将测试数据集输入训练好的多尺度残差层级密连接网络模型中执行测试，生成超分辨率图像；计算生成的超分辨率图像与真实的高分辨率图像之间的峰值信噪比和结构相似度。