申请/专利权人：北京安德盛威科技发展有限公司

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117745544A

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06T5/70;G06T5/60;G06N3/0475;G06N3/045;G06N3/0464;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种皮肤检测仪的图像超分辨率方法，本发明涉及图像处理技术领域；该皮肤检测仪的图像超分辨率方法，通过构建高阶退化模型、生成器模型和鉴别器模型，基于生成对抗网络的深度学习模型，用于处理皮肤检测仪所捕获的低分辨率图像，再通过设计组合像素级损失函数、感知损失函数和对抗损失函数，在训练过程中优化生成图像的视觉质量，该模型通过先进的生成对抗网络GAN架构，有效地提高了图像的分辨率，解决了现有的超分辨率技术处理下，对低质量的原始图像处理质量低导致皮肤检测仪的检测效率低的技术问题，同时保持了图像的真实性和减少了噪声，针对实用性效果进行优化。

主权项：1.一种皮肤检测仪的图像超分辨率方法，其特征在于，具体包括以下步骤：S1、构建高阶退化模型：通过设计退化模型，之后多次重复退化模型的过程，模拟低分辨率图像在现实世界中的退化过程；S2、构建生成器模型：通过残差学习的方法构建深层网络用于图像超分辨率，所述生成器的构建包含多个残差密集块RRDB和网络层；S3、构建鉴别器模型：鉴别器模型通过使用U-Net架构和光谱归一化技术构建而成，用于区分生成的图像与真实图像；S4、生成器和鉴别器的对抗训练：生成器生成高分辨率图像，鉴别器区分真实图像和生成器生成的图像，形成对抗训练关系进行深度学习；S5、设计损失函数优化图像质量：采用组合损失函数，包括像素级损失、感知损失和对抗损失，在训练过程中优化生成图像的视觉质量。

全文数据：

权利要求：

百度查询： 北京安德盛威科技发展有限公司 一种皮肤检测仪的图像超分辨率方法

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