公开(公告)号：CN116309077A

公开(公告)日：2023-06-23

申请号：CN202310422193.9

申请日：2023-04-19

Applicant: 重庆邮电大学

Inventor： 王诗言 ,  石凡 ,  李竟

IPC: G06T3/40 ,  G06T7/10 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明属于计算机视觉领域，涉及一种基于空域可变模糊核估计的图像盲超分辨率重建方法；所述方法包括获取低分辨率图像，并将所述低分辨率图像划分为多个图像块；采用分类模块对多个图像块分别处理，输出每个图像块的多分支分类结果；采用多分支的预测模块对相应分支分类结果的图像块进行处理，预测得到每个图像块的模糊核；采用多分支的超分辨率模块对多个图像块的模糊核进行整合，重建得到低分辨率图像对应的高分辨率图像。本发明所构建包含图像还原网络、模糊核估计网络以及分类网络组成的盲超分辨率网络，能够使模糊核保持局部退化特性，从而整幅图像上估计的模糊核是空域可变的更符合真实图像重建效果。

公开(公告)号：CN115690042A

公开(公告)日：2023-02-03

申请号：CN202211342286.2

申请日：2022-10-31

Applicant: 重庆邮电大学

Inventor： 王诗言 ,  李竟 ,  石凡 ,  张弛

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/42 ,  G06V10/44 ,  G06V10/26 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明属于图像分割技术领域，具体涉及一种融合CNN和Tansformaer的道路裂纹实时检测方法，包括：获取原始道路图像并对原始道路图像中的道路裂痕通过Labelme进行标注，得到原始道路图像的二值标签；根据原始道路图像和原始道路图像的二值标签创建原始道路图像数据集；创建道路裂纹检测模型，所述道路裂痕检测模型包括：CNN卷积编码模块、Tansformaer编码模块、特征融合模块和分割预测模块；将图像数据集作为训练样本对道路裂痕检测模型进行训练，实时采集道路图像，并将采集到的道路图像输入训练好道路裂痕检测模型；输出道路图像检测结果，通过本发明提供的一种融合CNN和Tansformaer的道路裂纹实时检测方法能够实时对道路的裂痕进行检测。

公开(公告)号：CN116433483A

公开(公告)日：2023-07-14

申请号：CN202310203802.1

申请日：2023-03-06

Applicant: 重庆邮电大学

Inventor： 王诗言 ,  石凡 ,  李竟

IPC: G06T3/40 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，涉及计算机视觉，具体涉及一种用于复杂退化场景的图像盲超分辨率重建方法；所述方法包括获取复杂退化场景下的低分辨率图像；采用双分支预测结构的退化估计网络估计出退化先验信息，所述退化先验信息包括模糊核和噪声图；采用超分辨率重建网络对所述低分辨率图像和所述退化先验信息进行处理，重建得到高分辨率图像。本发明在复杂退化场景下充分估计模糊核以及噪声等退化信息，并利用超分辨率网络中去噪模块和去模糊模块利用估计的退化特征信息指引图像重建。本方法充分考虑利用复杂退化场景的退化特征信息实现图像盲超分辨率重建的功能，从而获得高质量的高分辨率图像。