-
公开(公告)号：CN110033446B
公开(公告)日：2022-12-06
申请号：CN201910286043.3
申请日：2019-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于孪生网络的增强图像质量评价方法。主要解决现有技术评价尺度单一，且计算复杂度大，计算时间长，实时性差的问题。其实现方案是：1)获取待评价的图像样本；2)对待评价的图像样本进行预处理；3)对预处理后的图像提取其有效特征；4)构建孪生网络，并用从图像中提取的有效特征和与图像相对应的训练标签来训练孪生网络；5)用训练好的孪生网络对测试图像样本进行质量评价。本发明结合深度孪生网络，获取更丰富更深层的图像信息，减小了计算复杂度，缩短了计算时间，提高了对图像质量评价的准确率，可用于图像的采集、管理、传输和处理。
-
Patent Agency Ranking
公开(公告)号：CN110111256A
公开(公告)日：2019-08-09
申请号：CN201910350951.4
申请日：2019-04-28
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于残差蒸馏网络的图像超分辨率重建方法，主要解决现有方法重建效果差，资源消耗大的问题，其实现步骤为：1)构建残差蒸馏模块；2)级联残差蒸馏块构建残差蒸馏卷积群；3)级联低级特征提取网络、残差蒸馏模块和图像重建层构建残差蒸馏卷积网络；4)对公布的图像数据集进行预处理，并将处理后的数据分成训练数据集和测试数据集；5)利用训练数据集训练残差蒸馏网络；6)将测试数据集中的图像输入到残差蒸馏网络中，输出重建后的高分辨率图像。本发明提高了重建图像的清晰度，尤其在重建结构轮廓、自然纹理时，表现更佳，可用于受限设备采集图像的超分辨率重建。
-
公开(公告)号：CN110111256B
公开(公告)日：2023-03-31
申请号：CN201910350951.4
申请日：2019-04-28
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于残差蒸馏网络的图像超分辨率重建方法，主要解决现有方法重建效果差，资源消耗大的问题，其实现步骤为：1)构建残差蒸馏模块；2)级联残差蒸馏块构建残差蒸馏卷积群；3)级联低级特征提取网络、残差蒸馏模块和图像重建层构建残差蒸馏卷积网络；4)对公布的图像数据集进行预处理，并将处理后的数据分成训练数据集和测试数据集；5)利用训练数据集训练残差蒸馏网络；6)将测试数据集中的图像输入到残差蒸馏网络中，输出重建后的高分辨率图像。本发明提高了重建图像的清晰度，尤其在重建结构轮廓、自然纹理时，表现更佳，可用于受限设备采集图像的超分辨率重建。
-
公开(公告)号：CN110136060A
公开(公告)日：2019-08-16
申请号：CN201910332670.6
申请日：2019-04-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于浅层密集连接网络的单帧图像超分辨率重建方法，主要解决现有数字成像系统获得的图像分辨率低的问题；其实施过程为：首先通过跨层级联的方式构建密集连接块，而后堆叠两次密集连接块，构造密集连接网络；然后通过双三次下采样的方式取图像Y通道，构建训练数据集和测试数据集，并通过训练数据训练浅层连接网络；使用平均绝对误差作为网络的损失函数，判定网络训练是否达到要求；最后使用测试集，通过已训练好的网络进行图像超分辨率重建；本发明通过浅层密集连接网络，能更加有效地利用特征图，最终重构的超分辨率图像保留了更丰富的细节和更清晰地边缘轮廓，可用于天气状况预测、公安部门刑侦破案、电视显示器清晰度提升。
-
公开(公告)号：CN110033446A
公开(公告)日：2019-07-19
申请号：CN201910286043.3
申请日：2019-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于孪生网络的增强图像质量评价方法。主要解决现有技术评价尺度单一，且计算复杂度大，计算时间长，实时性差的问题。其实现方案是：1)获取待评价的图像样本；2)对待评价的图像样本进行预处理；3)对预处理后的图像提取其有效特征；4)构建孪生网络，并用从图像中提取的有效特征和与图像相对应的训练标签来训练孪生网络；5)用训练好的孪生网络对测试图像样本进行质量评价。本发明结合深度孪生网络，获取更丰富更深层的图像信息，减小了计算复杂度，缩短了计算时间，提高了对图像质量评价的准确率，可用于图像的采集、管理、传输和处理。
-
公开(公告)号：CN110136060B
公开(公告)日：2023-03-24
申请号：CN201910332670.6
申请日：2019-04-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于浅层密集连接网络的单帧图像超分辨率重建方法，主要解决现有数字成像系统获得的图像分辨率低的问题；其实施过程为：首先通过跨层级联的方式构建密集连接块，而后堆叠两次密集连接块，构造密集连接网络；然后通过双三次下采样的方式取图像Y通道，构建训练数据集和测试数据集，并通过训练数据训练浅层连接网络；使用平均绝对误差作为网络的损失函数，判定网络训练是否达到要求；最后使用测试集，通过已训练好的网络进行图像超分辨率重建；本发明通过浅层密集连接网络，能更加有效地利用特征图，最终重构的超分辨率图像保留了更丰富的细节和更清晰地边缘轮廓，可用于天气状况预测、公安部门刑侦破案、电视显示器清晰度提升。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
