基于元学习与结构保持的任意尺度图像超分辨率的方法

    公开(公告)号:CN114463174B

    公开(公告)日:2025-03-04

    申请号:CN202210051569.5

    申请日:2022-01-17

    Abstract: 本发明提供基于元学习与结构保持的任意尺度图像超分辨率的方法,包括:构建并训练超分辨率网络模型,对获取的高分辨率图像数据进行预处理,得到低分辨率图片数据;对低分辨率图片数据进行处理,得到梯度图数据;对低分辨率图片进行特征提取、上采样,得到超分辨率分支网络上采样图片,对梯度图进行特征提取、上采样,得到梯度图分支网络上采样图片;超分辨率分支网络上采样图片与梯度图分支网络上采样图片输入混合模块中进行加权运算,重建得到超分辨率图像;设置损失函数,对超分辨率网络模型进行迭代训练直至模型收敛,得到训练好的任意尺度超分辨率网络模型;本发明超分辨率网络模型可以在任意尺度下生成视觉效果良好的超分辨率SR图像。

    基于元学习与结构保持的任意尺度图像超分辨率的方法

    公开(公告)号:CN114463174A

    公开(公告)日:2022-05-10

    申请号:CN202210051569.5

    申请日:2022-01-17

    Abstract: 本发明提供基于元学习与结构保持的任意尺度图像超分辨率的方法,包括:构建并训练超分辨率网络模型,对获取的高分辨率图像数据进行预处理,得到低分辨率图片数据;对低分辨率图片数据进行处理,得到梯度图数据;对低分辨率图片进行特征提取、上采样,得到超分辨率分支网络上采样图片,对梯度图进行特征提取、上采样,得到梯度图分支网络上采样图片;超分辨率分支网络上采样图片与梯度图分支网络上采样图片输入混合模块中进行加权运算,重建得到超分辨率图像;设置损失函数,对超分辨率网络模型进行迭代训练直至模型收敛,得到训练好的任意尺度超分辨率网络模型;本发明超分辨率网络模型可以在任意尺度下生成视觉效果良好的超分辨率SR图像。

Patent Agency Ranking