公开(公告)号：CN119963417A

公开(公告)日：2025-05-09

申请号：CN202510070115.6

申请日：2025-01-16

Applicant: 青海大学

Inventor： 张国晶 ,  朱启威 ,  黄建强 ,  王晓英 ,  边浩东

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T3/4084 ,  G06V10/52 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种超分辨率图像重建模型的训练方法、系统、设备和介质，涉及图像处理技术领域，方法包括构建哈尔小波变换损失函数，哈尔小波变换损失函数表征了SR图像的哈尔小波子带与HR图像的哈尔小波子带之间的L1距离；将哈尔小波变换损失函数作为用于训练超分辨率图像重建模型的损失函数，或，将哈尔小波变换损失函数与预设损失函数进行结合，作为用于训练超分辨率图像重建模型的损失函数，对超分辨率图像重建模型进行训练，得到训练好的超分辨率图像重建模型。本发明引入了哈尔小波变换损失函数，利用小波变换的多尺度特性，能够有效捕捉图像的高频细节，能够更好地恢复遥感图像中的细节。

公开(公告)号：CN118761907A

公开(公告)日：2024-10-11

申请号：CN202410846684.0

申请日：2024-06-27

Applicant: 青海大学

Inventor： 张国晶 ,  朱启威 ,  王晓英 ,  黄建强 ,  边浩东

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本申请公开了一种遥感图像的超分辨率处理方法及相关设备，该方法包括：基于训练数据集构建得到目标超分辨率模型，目标超分辨率模型包括浅层提取结构、双分支提取结构和高质量重建结构；获取低分辨率的待处理图像并输入至目标超分辨率模型；通过浅层提取结构对待处理图像特征提取，得到浅层特征；通过双分支提取结构对浅层特征进行特征提取，得到深层特征；通过高质量重建结构基于浅层特征和深层特征对待处理图像进行数据重建，得到对应的超分辨率结果图像。本申请通过浅层提取结构和双分支提取结构分别获取待处理图像的浅层特征和深层特征，来捕获不同层次的特征用于遥感图像的超分辨率处理，降低了目标超分辨率模型的局限性，提高重建质量。

公开(公告)号：CN119963416A

公开(公告)日：2025-05-09

申请号：CN202510070110.3

申请日：2025-01-16

Applicant: 青海大学

Inventor： 张国晶 ,  朱启威 ,  黄建强 ,  王晓英 ,  边浩东

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种超分辨率图像的重建方法、系统、电子设备和存储介质，涉及图像处理技术领域，方法包括：构建超分辨率图像重建模型，对超分辨率图像重建模型进行训练，得到训练好的超分辨率图像重建模型；利用训练好的超分辨率图像重建模型对低分辨率目标图像进行重建，得到低分辨率目标图像对应的超分辨率图像。本发明通过信息融合单元能够有效融合局部信息和全局上下文信息，通过合并互补特征，增强了超分辨率图像重建模型中各部分之间的协同作用，从而显著提高了重建超分辨率图像的整体性能，提高了重建的超分辨率图像的图像质量。