-
公开(公告)号：CN114708146A
公开(公告)日：2022-07-05
申请号：CN202210352479.X
申请日：2022-04-05
Applicant: 西南财经大学
Abstract: 本发明提供JPG图像数据实体的2s倍超分辨率模型，包括,具有执行以下功能的计算机程序：图像噪声处理；高精准度恢复；图像高感知度恢复。有益效果在于：关注于如何处理现实中的JPG图像数据，通过结合特定的需求，设置效果满意的超分辨率模型。通过高精度、高感知度超分辨率模型的迭代、结合，消除JPG图像存在的噪声干扰，进一步产生满足实际需要的超分辨率图像。设备获取高分辨率图像只能针对新的图像数据，对于已有的，尤其是很久之前的照片，新设备是无法处理的。另外，高清图像设备的价格往往都极其昂贵，对很多使用单位，其使用成本过高。本方法从模型的角度出发，可以很好地解决这个问题。
-
公开(公告)号：CN114549328A
公开(公告)日：2022-05-27
申请号：CN202210448558.0
申请日：2022-04-24
Applicant: 西南财经大学
Abstract: 本发明的JPG图像超分辨率恢复方法，其特征在于，JPG图像超分辨率恢复方法步骤包括，S1）图像噪声处理阶段，采用轻量化的卷积神经网络1得到JPG压缩信息恢复的去噪图像；S2）图像高精准度恢复阶段，采用卷积神经网络2得到目标图像；S3）图像高感知度恢复阶段，采用卷积神经网络3得到目标图像；其中，卷积神经网络1、卷积神经网络2、卷积神经网络3分别为不同的卷积神经网络。本发明JPG图像超分辨率恢复方法、计算机可读存储介质及终端，对数据的特点进行分析，基于使用目的，构建出相应的高精准度，可实现的端到端深度学习模型。另外，引入了精准度和感知度的权重比，可以提供更好的高像素图片。
-
公开(公告)号：CN114549328B
公开(公告)日：2022-07-22
申请号：CN202210448558.0
申请日：2022-04-24
Applicant: 西南财经大学
Abstract: 本发明的JPG图像超分辨率恢复方法，其特征在于，JPG图像超分辨率恢复方法步骤包括，S1）图像噪声处理阶段，采用轻量化的卷积神经网络1得到JPG压缩信息恢复的去噪图像；S2）图像高精准度恢复阶段，采用卷积神经网络2得到目标图像；S3）图像高感知度恢复阶段，采用卷积神经网络3得到目标图像；其中，卷积神经网络1、卷积神经网络2、卷积神经网络3分别为不同的卷积神经网络。本发明JPG图像超分辨率恢复方法、计算机可读存储介质及终端，对数据的特点进行分析，基于使用目的，构建出相应的高精准度，可实现的端到端深度学习模型。另外，引入了精准度和感知度的权重比，可以提供更好的高像素图片。
-
公开(公告)号：CN114708146B
公开(公告)日：2024-11-05
申请号：CN202210352479.X
申请日：2022-04-05
Applicant: 西南财经大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/60 , G06T5/77 , G06N3/0464 , G06N3/08
Abstract: 本发明提供JPG图像数据实体的2s倍超分辨率恢复装置，包括，具有执行以下功能的计算机程序：图像噪声处理；高精准度恢复；图像高感知度恢复。有益效果在于：关注于如何处理现实中的JPG图像数据，通过结合特定的需求，设置效果满意的超分辨率模型。通过高精度、高感知度超分辨率模型的迭代、结合，消除JPG图像存在的噪声干扰，进一步产生满足实际需要的超分辨率图像。设备获取高分辨率图像只能针对新的图像数据，对于已有的，尤其是很久之前的照片，新设备是无法处理的。另外，高清图像设备的价格往往都极其昂贵，对很多使用单位，其使用成本过高。本方法从模型的角度出发，可以很好地解决这个问题。
-
-
-
Search Results
4
records
(took 0.018 seconds)
