公开(公告)号：CN113191947B

公开(公告)日：2024-05-14

申请号：CN202110310875.1

申请日：2021-03-23

Applicant: 西安电子科技大学

Inventor： 赵楠 ,  肖明宇 ,  陈南

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06T5/70 ,  G06T5/60

Abstract: 本发明属于图像超分技术领域，公开了一种图像超分辨率的方法及系统，所述图像超分辨率的方法包括：结合图像非局部自相似性，利用3D卷积神经网络3DCNN处理图像SR，提出基于3DCNN的非局部超分辨率方法；直接利用3DCNN建模非局部相似性，提取自然图像的非局部相似信息；构造基于8层全卷积网络的3DCNN基础模型；进行3DCNN中的3D卷积神经网络的设计，提出基于RNN的改进模型，使基础模型成为改进模型的一种特例。本发明提供的非局部操作的利用能有效地捕获图像中的非局部相似信息，提升SR重建性能；与现有CNN模型相比，表现出明显的重建优势，在结构信息丰富的图像场景上表现突出。

公开(公告)号：CN113191947A

公开(公告)日：2021-07-30

申请号：CN202110310875.1

申请日：2021-03-23

Applicant: 西安电子科技大学

Inventor： 赵楠 ,  肖明宇 ,  陈南

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

Abstract: 本发明属于图像超分技术领域，公开了一种图像超分辨率的方法及系统，所述图像超分辨率的方法包括：结合图像非局部自相似性，利用3D卷积神经网络3DCNN处理图像SR，提出基于3DCNN的非局部超分辨率方法；直接利用3DCNN建模非局部相似性，提取自然图像的非局部相似信息；构造基于8层全卷积网络的3DCNN基础模型；进行3DCNN中的3D卷积神经网络的设计，提出基于RNN的改进模型，使基础模型成为改进模型的一种特例。本发明提供的非局部操作的利用能有效地捕获图像中的非局部相似信息，提升SR重建性能；与现有CNN模型相比，表现出明显的重建优势，在结构信息丰富的图像场景上表现突出。