申请/专利权人：云南大学

申请日：2024-01-16

公开（公告）日：2024-04-09

公开（公告）号：CN117853339A

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06N3/0464;G06N3/084;G06V10/82;G06V10/80;G06V10/42;G06V10/44;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种任意尺度图像的超分辨率方法，根据实际需要采集若干包含低分辨率图像、高分辨率图像和对应尺度因子的训练样本，构建包括特征提取模块、可变形特征展开模块、上采样模块、位置编码模块、特征融合模块和多层感知机的超分辨率模型，采用训练样本集对超分辨率模型进行训练，得到训练好的超分辨率模型，将低分辨率图像和尺度因子输入训练好的超分辨率模型生成对应的超分辨率图像。本发明通过引入可变形特征展开来串联图像特征信息，并结合位置编码促使坐标信息与图像特征深度融合，从而提高超分辨率图像的质量。

主权项：1.一种任意尺度图像的超分辨率方法，其特征在于，包括以下步骤：S1：根据实际需要采集若干训练样本，每个训练样本中包含低分辨率图像γLR、高分辨率图像γHR和对应的尺度因子s；S2：构建超分辨率模型，包括特征提取模块、可变形特征展开模块、上采样模块、位置编码模块、特征融合模块和多层感知机，其中：特征提取模块用于提取输入的低分辨率图像γLR的特征其中H×W表示低分辨率图像的尺寸，C表示特征V的维度，然后将特征V发送至可变形特征展开模块；可变形特征展开模块用于估计特征V中每个特征点的采样偏移，得到采样偏移特征其中P表示预设的采样点个数，然后将采样偏移特征V′发送至上采样模块；上采样模块用于根据尺度因子s对采样偏移特征V′进行上采样得到特征并发送至特征融合模块；位置编码模块用于根据尺度因子s生成位置编码并发送至特征融合模块；特征融合模块用于将特征和位置编码进行叠加得到融合特征然后重构为融合特征并发送至多层感知机；多层感知机用于对融合特征进行处理得到特征图然后重构得到超分辨率图像S3：采用步骤S1中的训练样本集对超分辨率模型进行训练，得到训练好的超分辨率模型；S4：将低分辨率图像和尺度因子输入训练好的超分辨率模型生成对应的超分辨率图像。

全文数据：

权利要求：

百度查询： 云南大学 任意尺度图像的超分辨率方法

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