申请/专利权人：江南大学

申请日：2021-01-25

公开（公告）日：2024-04-16

公开（公告）号：CN112785502B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06T7/90;G06V10/74;G06V10/774;G06V10/82;G06N3/0455;G06N3/0464;G06N3/0475;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.05.28#实质审查的生效;2021.05.11#公开

摘要：本发明公开一种基于纹理迁移的混合相机的光场图像超分辨率方法，步骤包括光场图像颜色矫正、视差图计算和超分辨率网络构建三个部分。其中，光场图像颜色矫正利用WCT风格转换模型使得光场图像接近单反图像的颜色；视差图计算是利用EPI全卷积神经网络模型计算视差图；超分辨率网络构建包含三个模块：第一个模块将光场的一行和一列子视点，经过RCABA提取相应子视点的特征；第二模块是PS‑PA将RCABA网络得到的低频信息融合后重建为高分辨率图像；第三模块使用纹理迁移网络提取将单反图高分辨率的纹理信息并迁移到光场中心视点上。本发明既利用了光场其他视点的补充信息又利用了单反图的高频信息，可以得到更高质量的超分辨率图。

主权项：1.一种基于纹理迁移的混合相机的光场图像超分辨率方法，其特征在于，步骤包括光场图像颜色矫正、视差图计算和超分辨率网络构建三个部分；其中，所述光场图像颜色矫正是利用WCT风格转换模型，首先训练多个解码器，将图像输入预训练好的VGG网络，提取不同的层结果作为编码输出，保持编码器的权重不变，设计解码网络，利用损失函数设计解码器；然后通过WCT层的白化操作和上色操作得到编码-WCT-解码的网络结构，从而实现光场图像颜色的矫正；所述视差图计算是利用EPI全卷积神经网络模型来计算光场中心视点的视差图；所述超分辨率网络构建包括三个模块：第一个模块是将光场的一行和一列子视点，经过3D的残差通道注意力信息融合机制RCABA提取相应子视点的特征；第二个模块是重建模块PS-PA将RCABA的网络得到的低频信息融合后重建为高分辨率图像，其包括PixelShuffle层、卷积层和像素注意力模块，PixelShuffle层是将低分辨的特征图，通过卷积和多通道间的重组得到倍高分辨率的特征图；第三个模块是使用纹理迁移网络，输入是单反图和光场中心视点，输出是从单反图中迁移的纹理特征，提取单反图高分辨率的纹理信息并将纹理信息迁移到光场中心视点上。

全文数据：

权利要求：

百度查询： 江南大学 一种基于纹理迁移的混合相机的光场图像超分辨率方法

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