申请/专利权人：天津大学

申请日：2019-10-12

公开（公告）日：2024-03-22

公开（公告）号：CN110895790B

主分类号：G06T3/4053

分类号：G06T3/4053;G06N3/08;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.04.14#实质审查的生效;2020.03.20#公开

摘要：本发明提供一种获取真实场景成像过程参数的方法，给出一种利用所获取到的真实场景的成像过程参数实现的基于后验降质信息估计的场景图像超分辨方法及电子设备。基于后验降质信息估计的场景图像超分辨方法包括以下步骤：创建图像超分辨网络，网络共由多个残差网络块串联组成，并在最后通过连接两个反卷积层实现上采样功能；将高清图像数据集，做模糊操作并做下采样，得到低分辨训练数据集；将低分辨训练数据集的图像作为图像超分辨网络的输入，训练完成后保存网络的参数和结构；将目标场景其他需要超分辨的低质量图像或视频作为训练好的图像超分辨网络的输入，输出则是所需要的质量更佳的高分辨图像或视频。

主权项：1.一种基于后验降质信息估计的场景图像超分辨方法，包括两个方面：1获取真实场景成像过程参数，方法如下：1通过待标定摄像头在距离光学标定板L米的位置获取低分辨图像YLR，在距离光学标定板T米的位置获取高分辨率图像YHR，其中LT；2创建集合G，集合G中包含多种参数下的各向同性的高斯核，每个高斯核记做Gk,σ，其中每个Gk,σ中的k代表高斯核的宽度；σ代表高斯核的方差；3创建集合Y，集合Y中的每一张是对步骤1中的高分辨率图像YHR通过步骤2集合G的每一个高斯核Gk,σ做模糊处理，之后做LT倍的下采样得到的；4对步骤3创建的集合Y中包含的每一张图像计算模糊程度Sk,σ，并依照Sk,σ寻找到与步骤1中低分辨率图像YLR的模糊程度SLR最接近的图像，该图像记为其中模糊程度的计算方式如下： 其中Sk,σ代表步骤3的集合Y中每一张图像的模糊程度；SLR代表步骤1中低分辨率图像YLR的模糊程度；表示卷积操作；lap表示拉普拉斯卷积核；Var表示对目标图像的像素值求取方差值；5步骤4中得到的图像对应的高斯核即为真实场景成像的过程参数；2场景图像超分辨方法，包括：1创建图像超分辨网络，网络共由多个残差网络块串联组成，并在最后通过连接两个反卷积层实现上采样功能；2将高清图像数据集，记做IHR，用做模糊操作并做LT倍的下采样，得到低分辨训练数据集3将低分辨训练数据集中的每一张图像定义为将作为步骤1创建的图像超分辨网络的输入，输出图像为高清图像数据集IHR中的每一张图像定义为然后通过联合作为输入，作为标签来训练步骤1的图像超分辨网络，训练完成后保存网络的参数和结构，其中损失函数如下： 4将目标场景需要超分辨的低质量图像或视频作为步骤3训练好的图像超分辨网络的输入，输出则是所需要的质量更佳的高分辨图像或视频。

全文数据：

权利要求：

百度查询： 天津大学 基于后验降质信息估计的场景图像超分辨方法

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