-
公开(公告)号：CN111861886A
公开(公告)日：2020-10-30
申请号：CN202010682515.X
申请日：2020-07-15
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于多尺度反馈网络的图像超分辨率重建方法，包括如下步骤：(1)建立图像数据集；(2)提取输入图像的特征，其次用多尺度上、下投影单元递归实现低分辨率和高分辨率的特征映射，得到不同深度的高分辨率特征图，然后把高分辨率特征图用卷积计算得到残差图像，最后对低分辨率图像插值并与残差图像相加得到输出的图像；(3)用数据集训练多尺度反馈网络，生成训练后的网络模型；(4)将待处理的低分辨率图像输入训练好的网络中得到输出的高分辨率图像。本方法不但通过较小的参数调整就可以训练不同深度的网络以及扩展到其他放大倍数、节约了训练成本，而且可以实现更大倍数的放大，提高重建图像的峰值信噪比和结构相似性。
-
公开(公告)号：CN111861886B
公开(公告)日：2023-08-08
申请号：CN202010682515.X
申请日：2020-07-15
Applicant: 南京信息工程大学
IPC: G06T3/40 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于多尺度反馈网络的图像超分辨率重建方法，包括如下步骤：(1)建立图像数据集；(2)提取输入图像的特征，其次用多尺度上、下投影单元递归实现低分辨率和高分辨率的特征映射，得到不同深度的高分辨率特征图，然后把高分辨率特征图用卷积计算得到残差图像，最后对低分辨率图像插值并与残差图像相加得到输出的图像；(3)用数据集训练多尺度反馈网络，生成训练后的网络模型；(4)将待处理的低分辨率图像输入训练好的网络中得到输出的高分辨率图像。本方法不但通过较小的参数调整就可以训练不同深度的网络以及扩展到其他放大倍数、节约了训练成本，而且可以实现更大倍数的放大，提高重建图像的峰值信噪比和结构相似性。
-
公开(公告)号：CN112215755B
公开(公告)日：2023-06-23
申请号：CN202011171763.4
申请日：2020-10-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于反投影注意力网络的图像超分辨率重建方法，包括以下步骤：(1)利用图像退化模型建立数据集；(2)构建多尺度特征融合反投影注意力网络，所述多尺度特征融合反投影注意力网络包括图像特征提取模块、图像特征映射模块、全局注意力模块和图像重建模块；(3)训练多尺度特征融合反投影注意力网络并调整参数；(4)将待重建的图像输入训练好的多尺度特征融合反投影注意力网络得到重建后的图像。本发明仅通过相对较小的训练集就可以获得超越其他先进方法的重建质量，极大节约了训练成本；且使得重建的图像具有更加清晰锐利的边缘特征，更接近真实HR图像。
-
公开(公告)号：CN112215755A
公开(公告)日：2021-01-12
申请号：CN202011171763.4
申请日：2020-10-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于反投影注意力网络的图像超分辨率重建方法，包括以下步骤：(1)利用图像退化模型建立数据集；(2)构建多尺度特征融合反投影注意力网络，所述多尺度特征融合反投影注意力网络包括图像特征提取模块、图像特征映射模块、全局注意力模块和图像重建模块；(3)训练多尺度特征融合反投影注意力网络并调整参数；(4)将待重建的图像输入训练好的多尺度特征融合反投影注意力网络得到重建后的图像。本发明仅通过相对较小的训练集就可以获得超越其他先进方法的重建质量，极大节约了训练成本；且使得重建的图像具有更加清晰锐利的边缘特征，更接近真实HR图像。
-
-
-
Search Results
4
records
(took 0.032 seconds)
