申请/专利权人：武汉大学

申请日：2022-12-12

公开（公告）日：2024-04-02

公开（公告）号：CN115984106B

主分类号：G06T3/4076

分类号：G06T3/4076;G06T5/50;G06T5/70;G06T5/60;G06N3/0464;G06N3/048;G06N3/0455;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.05.05#实质审查的生效;2023.04.18#公开

摘要：本发明提出了一种基于双边对抗生成网络的线扫描图像超分辨率方法。通过将线扫描图像送入去噪网络去除线扫描图像包含的条纹噪声，然后送入融合网络充分融合线扫描图像的潜在信息，最后通过解码器重构得到高质量的高分辨率图像。在整个过程中，统一加权损失函数的设计使得去除图像噪声和提高图像质量之间保持了有效平衡，充分解决了图像超分辨率包含噪声、质量不佳等问题。

主权项：1.一种基于双边生成对抗网络的线扫描图像超分辨率方法，其特征在于，包括如下步骤：步骤1，构建多层卷积组成的去噪生成网络Gr和Gc；步骤2，构建与去噪网络相匹配的鉴别网络Dr和Dc；步骤3，构建编码-解码器构成的融合生成网络Gf；步骤4，构建与融合生成网络相匹配的鉴别网络Df；步骤5，构建双边生成对抗网络G，将去噪生成网络Gr和Gc并行连接到融合生成网络Gf从而得到双边生成对抗网络G，其中鉴别网络Dr，Dc，Df分别与Gr，Gc，Gf保持对抗关系；步骤6，在步骤5得到的双边生成对抗网络G中输入线扫描图像Rin，Cin，输出不含噪声的图像GrRin、GcCin和最终输出的高分辨率图像SR；将真的高分辨率图像GT分别进行r×1、1×r的倍数双三次下采样得到RGT、CGT，其中r为超分辨率的倍数；将RGT、GrRin输入鉴别器Dr，将CGT、GcCin输入鉴别器Dc，将GT、SR输入鉴别器Df，三个鉴别器分别计算所需鉴别图像之间的JS散度，如果JS散度过大，则继续训练，同时双边生成对抗网络继续训练，以达到更小的JS散度，当达到一定的训练迭代次数时，训练终止，此时训练完的双边生成对抗网络为最终的网络模型。

全文数据：

权利要求：

百度查询： 武汉大学 一种基于双边生成对抗网络的线扫描图像超分辨率方法

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