公开(公告)号：CN111507898A

公开(公告)日：2020-08-07

申请号：CN202010183489.6

申请日：2020-03-16

Applicant: 徐州工程学院 ,  中国矿业大学

Inventor： 姜代红 ,  程德强 ,  张三友 ,  孙天凯

IPC: G06T3/40 ,  G06N3/04

Abstract: 本发明公开了一种基于自适应调整的图像超分辨率重建方法，属于图像处理技术领域。本发明基本框架包括涉及生成式对抗网络的对抗训练模型,训练模型由一组相互竞争的生成模型和判别模型构成：生成模型负责生成高分辨率图像,通过判别模型确定输入图像是生成的还是从高分辨率数据库中获得的样本；随着识别能力的逐渐加强，判别模型将信息传递给生成模型，通过优化损失函数，使得生成模型生成的高分辨率图像更接近真实样本；随着生成图像质量的提高，判别模型的损失增大，同时判别模型的识别能力不断提升，当判别模型不能区分生成的图像和真实样本时，生成模型完成超分辨任务。本发明提高模型特征表达能力并获得更好的超分辨率重建效果。

公开(公告)号：CN112001847A

公开(公告)日：2020-11-27

申请号：CN202010884014.X

申请日：2020-08-28

Applicant: 徐州工程学院

Inventor： 姜代红 ,  张三友 ,  孙天凯

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

Abstract: 一种相对生成对抗超分辨率重建模型生成高质量图像的方法，适用于视频处理。建立相对生成对抗超分辨率重建模型，包括生成器网络和鉴别器网络，然后构造总损失函数，利用低分辨率图像样本集和高分辨率图像样本集反向传播算法训练生成器网络，然后通过Adam算法对鉴别器网络进行训练，将低分辨路图像输入训练好的生成器网络处理生成超分辨率图像，然后将超分辨率图像输入训练好的判别器网络进行判断，如果判别器网络判别为真则输出生成超分辨率图片，如果判别器网络判别为假则反馈生成器网络重新生成超分辨率图像。其步骤简单，还原质量高，具有广泛的实用意义。