公开(公告)号：CN119477697A

公开(公告)日：2025-02-18

申请号：CN202411606722.1

申请日：2024-11-11

Applicant: 杭州电子科技大学

Inventor： 周文晖 ,  汪启明 ,  孟佳涵 ,  吴陈宇 ,  张桦 ,  戴国骏

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了基于局部神经几何学习的光场空‑角连续域超分辨率方法，属于深度学习与计算机视觉领域，包括S1、获取光场极几何图像，并构建神经网络模型；S2、将光场图像的子孔径图像阵列送入空‑角感知几何编码模块，得到空‑角感知的潜在几何编码；S3、将空‑角感知的潜在几何编码送入局部神经几何学习模块，得到空‑角连续域潜在几何编码；S4、将空‑角连续域潜在几何编码送入扩展渲染模块，得到光场图像；S5、设置损失函数；S6、利用神经网络模型，进行光场‑空角连续域超分辨率任务测试；本发明提供的基于局部神经几何学习的光场空‑角连续域超分辨率方法，可实现光场图像空间维度和角度维度同时且任意尺度的超分辨率。

公开(公告)号：CN117522813A

公开(公告)日：2024-02-06

申请号：CN202311485313.6

申请日：2023-11-09

Applicant: 杭州电子科技大学

Inventor： 周文晖 ,  王璐瑶 ,  吴陈宇 ,  韦学辉 ,  张桦 ,  戴国骏

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于ViT进行空域和频域特征融合的光场图像质量评价方法。本发明包括如下步骤：步骤S1：对光场图像进行预处理；步骤S2：对预处理后的光场图像，提取空间‑角度信息和频域‑角度信息并进行融合，得到融合特征图；步骤S3：将融合特征图输入到小样本Transformer编码网络提取失真特征；步骤S4：将得到的失真特征送入分数预测模块，得到客观质量评价分数。本发明提取米字型光场子孔径图像，并将每个方向的子孔径图像拆分成三个堆栈分别输入，在尽可能提供更多的光场角度信息的同时，控制了模型计算的复杂度。本发明使模型能够获取融合了空域、频域以及角度的特征信息。丰富的特征信息有利于模型对失真特征的提取。