申请/专利权人：天津大学

申请日：2022-06-27

公开（公告）日：2022-09-27

公开（公告）号：CN115115516A

主分类号：G06T3/40

分类号：G06T3/40;G06T7/35;G06K9/62;G06N3/04;H04N9/64

优先权：

专利状态码：有效-授权

法律状态：2023.05.12#授权;2022.10.18#实质审查的生效;2022.09.27#公开

摘要：本发明公开了基于Raw域的真实世界视频超分辨率算法，涉及视频信号处理技术领域。基于Raw域的真实世界视频超分辨率算法，包括如下步骤：S1、建立真实世界Raw视频超分辨率数据集；S2、基于S1设计真实世界Raw视频超分辨率算法；S3、训练模型；S4、将测试集中的低分辨率的Raw视频序列输入到模型中，得到相应的超分辨率的输入结果；本发明在Raw和sRGB域中构建了第一个具有三个倍率的真实世界的VSR数据集，它为真实原始VSR方法的训练和评估提供了基准数据集；本发明通过利用所提出的联合对齐交互模块，以及时间、通道融合模块，将真实LR视频超分辨率性能提升到了新的高度。

主权项：1.基于Raw域的真实世界视频超分辨率算法，其特征在于：包括如下步骤：S1、建立真实世界Raw视频超分辨率数据集：所述数据集的建立过程主要包含以下3个步骤：S101、硬件设计：通过分光镜将入射光分成两束亮度比为1：1的反射光束和透射光束；使用变焦镜头的DSLR相机，捕捉不同比例的LR-HR帧对；设计并打印一个3D模型盒子来固定分光镜，将DSLR相机和分光镜盒放在光学板上，并在其下方固定三角架；S102、数据采集：采集MLV格式的Raw视频，然后使用MlRawViewer软件对所述MLV格式的Raw视频进行处理，得到对应的sRGB帧和DNG格式的Raw帧；S103、数据处理：利用从粗到细的对齐策略，以生成对齐的LR-HR帧，包括sRGB帧对和Raw帧对S2、基于S1数据处理后的帧，采用LR的Raw帧和HR的sRGB帧为训练对来设计真实世界Raw视频超分辨率算法；S3、训练模型：基于S2所设计的算法搭建模型，并利用深度学习框架Pytorch平台训练模型，在整个数据集上迭代300k次，随后减小学习率至0.00001，继续迭代直到损失收敛，得到最终模型；S4、将测试集中的低分辨率的Raw视频序列输入到S3中获取的模型中，得到相应的超分辨率的输入结果。

全文数据：

权利要求：

百度查询： 天津大学 基于Raw域的真实世界视频超分辨率算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD