公开(公告)号：CN111768340A

公开(公告)日：2020-10-13

申请号：CN202010614616.3

申请日：2020-06-30

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  季家欢 ,  王邦军 ,  屈蕴茜

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于密集多路径网络的超分辨图像重构方法和系统，其中，该方法包括对原始训练集中的图像进行旋转和翻转，得到大规模训练数据集；提取输入图像中的粗糙特征信息，利用多个密集多路径模块获得所述输入图像中的多尺度和多层次的特征信息；对所述多尺度和多层次的特征信息进行拼接和提纯；将拼接和提纯后的图像的分辨率采样至预设大小，恢复成超分辨图像。利用基于密集多路径网络的超分辨图像重构方法和系统，能够进一步提高重建质量，获得更加具有竞争力的结果。

公开(公告)号：CN111553861B

公开(公告)日：2023-11-24

申请号：CN202010357485.5

申请日：2020-04-29

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  屈蕴茜 ,  孙涌 ,  王邦军

IPC: G06T5/00 ,  G06T3/40

Abstract: 本发明公开了一种图像超分辨率重构方法，该方法包括以下步骤：接收待超分辨率重构图像；利用卷积网络提取待超分辨率重构图像的特征信息；利用各多尺度密集网络对特征信息进行特征优化，并计算目标分辨率；其中，各多尺度密集网络为通过预设损失函数进行训练得到的网络；利用重构网络将待超分辨率重构图像重构为分辨率大小为目标分辨率的目标图像；其中，重构网络包括顺次连接的第一卷积子网络、子像素网络、第二卷积子网络。应用本发明实施例所提供的技术方案，较大地降低了成本，降低了对存储空间的消耗。本发明还公开了一种图像超分辨率重构装置、设备及存储介质，具有相应技术效果。

公开(公告)号：CN111553861A

公开(公告)日：2020-08-18

申请号：CN202010357485.5

申请日：2020-04-29

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  屈蕴茜 ,  孙涌 ,  王邦军

IPC: G06T5/00 ,  G06T3/40

Abstract: 本发明公开了一种图像超分辨率重构方法，该方法包括以下步骤：接收待超分辨率重构图像；利用卷积网络提取待超分辨率重构图像的特征信息；利用各多尺度密集网络对特征信息进行特征优化，并计算目标分辨率；其中，各多尺度密集网络为通过预设损失函数进行训练得到的网络；利用重构网络将待超分辨率重构图像重构为分辨率大小为目标分辨率的目标图像；其中，重构网络包括顺次连接的第一卷积子网络、子像素网络、第二卷积子网络。应用本发明实施例所提供的技术方案，较大地降低了成本，降低了对存储空间的消耗。本发明还公开了一种图像超分辨率重构装置、设备及存储介质，具有相应技术效果。

公开(公告)号：CN111768340B

公开(公告)日：2023-12-01

申请号：CN202010614616.3

申请日：2020-06-30

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  季家欢 ,  王邦军 ,  屈蕴茜

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请公开了一种基于密集多路径网络的超分辨图像重构方法和系统，其中，该方法包括对原始训练集中的图像进行旋转和翻转，得到大规模训练数据集；提取输入图像中的粗糙特征信息，利用多个密集多路径模块获得所述输入图像中的多尺度和多层次的特征信息；对所述多尺度和多层次的特征信息进行拼接和提纯；将拼接和提纯后的图像的分辨率采样至预设大小，恢复成超分辨图像。利用基于密集多路径网络的超分辨图像重构方法和系统，能够进一步提高重建质量，获得更加具有竞争力的结果。

公开(公告)号：CN111563843A

公开(公告)日：2020-08-21

申请号：CN202010365311.3

申请日：2020-04-30

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  屈蕴茜 ,  孙涌 ,  王邦军

IPC: G06T3/40 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供一种图像超分辨重构方法，包括：获取高分辨率图像；对所述高分辨率图像进行图像预处理，得到训练集；利用多尺度损失卷积神经网络对所述训练集训练，得到训练模型；利用所述训练模块对待重构图像进行超分辨率重建，得到超分辨率图像。本申请基于多尺度损失卷积神经网络得到训练模型，对模型中的损失函数加以改进，综合考虑了不同尺寸下SR图像与HR图像间的差异，实现高低层信息的融合，有效提高了图像超分辨率重构质量。本申请还提供一种图像超分辨重构系统、计算机可读存储介质和图像处理终端，具有上述有益效果。

公开(公告)号：CN111563843B

公开(公告)日：2023-11-28

申请号：CN202010365311.3

申请日：2020-04-30

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  屈蕴茜 ,  孙涌 ,  王邦军

IPC: G06T3/40 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供一种图像超分辨重构方法，包括：获取高分辨率图像；对所述高分辨率图像进行图像预处理，得到训练集；利用多尺度损失卷积神经网络对所述训练集训练，得到训练模型；利用所述训练模块对待重构图像进行超分辨率重建，得到超分辨率图像。本申请基于多尺度损失卷积神经网络得到训练模型，对模型中的损失函数加以改进，综合考虑了不同尺寸下SR图像与HR图像间的差异，实现高低层信息的融合，有效提高了图像超分辨率重构质量。本申请还提供一种图像超分辨重构系统、计算机可读存储介质和图像处理终端，具有上述有益效果。

公开(公告)号：CN111145096A

公开(公告)日：2020-05-12

申请号：CN201911370222.1

申请日：2019-12-26

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  王邦军 ,  周伟达

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于递归极深网络的超分辨图像重构方法及系统,包括设定训练集，对所述训练集进行数据增强；利用所述训练集对已经搭建好的神经网络模型进行训练；利用训练完成的神经网络模型在测试图像上进行重建。本发明使得卷积网络的前一层可以使用后一层的有用信息，达到使用高级信息来完善低级信息的目的。