公开(公告)号：CN118521483A

公开(公告)日：2024-08-20

申请号：CN202410467250.X

申请日：2024-04-18

Applicant: 西安工程大学

Inventor： 张凯兵 ,  武薛 ,  何昕 ,  孟雅蕾 ,  时光 ,  薛丁华 ,  张周强 ,  杨旭东 ,  卢健

IPC: G06T3/4076 ,  G06T5/73 ,  G06T5/60 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了基于双阶段自注意力的轻量化图像超分辨方法，具体包括如下步骤：步骤1，对数据集进行预处理，将处理后的数据集划分为训练集、验证集和测试集；步骤2，构建基于双阶段自注意力的轻量化图像超分辨网络模型；步骤3，对步骤2构建的网络模型进行训练；步骤4，将测试集输入步骤3训练好的网络模型中，输出超分辨图像。本发明解决了现有的基于Transformer的图像超分辨方法存在的计算冗余、计算资源消耗高的问题，实现了在全局特征范围内进行精确且高效的长程依赖关系建模，有效提升轻量化图像超分辨模型的稳健性和重建质量。

公开(公告)号：CN118333865A

公开(公告)日：2024-07-12

申请号：CN202410467245.9

申请日：2024-04-18

Applicant: 西安工程大学

Inventor： 张凯兵 ,  武薛 ,  何昕 ,  孟雅蕾 ,  时光 ,  薛丁华 ,  杨旭东 ,  陈金广 ,  张周强

IPC: G06T3/4076 ,  G06T5/73 ,  G06T5/60 ,  G06V10/44 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了基于多尺度混合自注意力的轻量化图像超分辨方法，具体包括如下步骤：步骤1，数据集预处理，将处理后的数据集划分为训练集、验证集和测试集；步骤2，构建基于多尺度混合自注意力的轻量化图像超分辨网络模型；步骤3，对步骤2构建的网络模型进行训练；步骤4，将测试集输入步骤3训练好的网络模型中，输出超分辨图像。本发明解决了现有的基于Transformer的图像超分辨方法感受野受限，无法有效重建出精细细节和纹理结构的问题。

公开(公告)号：CN118297807A

公开(公告)日：2024-07-05

申请号：CN202410467247.8

申请日：2024-04-18

Applicant: 西安工程大学

Inventor： 张凯兵 ,  武薛 ,  何昕 ,  孟雅蕾 ,  时光 ,  薛丁华 ,  杨旭东 ,  陈金广 ,  张周强

IPC: G06T3/4076 ,  G06T5/73 ,  G06T5/60 ,  G06V10/44 ,  G06V10/80 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了基于多尺度残差注意力的图像超分辨重建方法，采用超分辨网络接收低分辩输入图像，低分辩输入图像依次经过浅层特征提取、深度特征提取和图像重建部分，网络输出得到超分辨图像。本发明设计多尺度非局部注意力模块，通过探索低分辨图像内部的多尺度图像块之间的相似性，从而有效地探索多尺度特征固有的长程依赖关系。本发明解决了现有超分辨重建方法无法准确评估不同特征之间的相似性，从而不能根据特征相似性有效利用图像内部相似结构对图像内容有效重建，导致重建结果纹理结构失真、边缘细节迷糊的问题。

公开(公告)号：CN117252760A

公开(公告)日：2023-12-19

申请号：CN202311100978.0

申请日：2023-08-30

Applicant: 西安工程大学

Inventor： 张凯兵 ,  张之敬 ,  李敏奇 ,  何昕 ,  武薛 ,  卢健 ,  陈金广 ,  孟雅蕾

IPC: G06T3/40 ,  G06T7/13 ,  G06V10/774 ,  G06V10/82 ,  G06V40/16

Abstract: 本发明公开了高效的从全局到局部注意力的人脸图像超分辨重建方法，采用超分辨网络接收低分辩输入图像，超分辨重建后输出得到高分辨图像；同时在超分辨重建的中间阶段也会生成超分辨图像对应的边缘图像，边缘图像会和事先生成的边缘标签共同优化超分辨的重建结果。解决了现有超分辨重建方法由于网络模型参数量过大，导致算法无法在边缘设备上部署的问题。

公开(公告)号：CN117252812A

公开(公告)日：2023-12-19

申请号：CN202311077258.7

申请日：2023-08-25

Applicant: 西安工程大学

Inventor： 张凯兵 ,  权星 ,  樊丹丹 ,  何昕 ,  陈金广 ,  时光 ,  孟雅蕾 ,  师红宇

IPC: G06T7/00 ,  G06T3/40 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于三重注意双尺度残差网络的超分辨图像质量评价方法，首先，给定一幅超分辨图像，将超分辨图像不重叠的裁剪为超分辨图像块；然后，依次通过卷积层、三重注意力模块和双尺度卷积模块提取超分辨图像块的特征；最后，通过最大池化操作对特征提取阶段的输出特征进行压缩，将压缩特征送入全连接层进行非线性质量映射，输出超分辨图像块的预测质量分数。本发明采用三重注意力模块用于探索图像中的显著特征，同时设计了一个双尺度卷积模块DSCM，以捕获更加全面的图像信息，以实现更有效评价超分辨图像的目的。