申请/专利权人：西安科技大学

申请日：2020-08-28

公开（公告）日：2024-04-16

公开（公告）号：CN112070669B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T5/73

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.12.29#实质审查的生效;2020.12.11#公开

摘要：本发明公开了一种基于深度学习针对任意模糊核的深度即插即用超分辨率图像重建方法，可以实现基于任意模糊核的低分辨率图像的实时超分辨率重建，包括：浅层特征提取模块；深层特征提取模块；图像上采样模块；图像重建模块；评估模块。浅层特征提取模块进行输入低分辨率图像中高低频特征信息的浅层提取；深层特征提取模块进行输入高分辨率图像中高低频特征信息的深层提取；图像上采样模块对深层特征信息进行放大；图像重建模块对映射后放大的信息进行重建，评估模块对重建后的图像与原有的高分辨率图像进行性能评估。本发明可将具有任意模糊核的输入低分辨率图像在不同的放大倍率下进行超分辨率图像重建。

主权项：1.一种针对任意模糊核的超分辨率图像重建方法，其特征在于，包括：浅层特征提取模块；深层特征提取模块；图像上采样模块；图像重建模块；评估模块；所述浅层特征提取模块，包括当获取到输入的低分辨率图像时，对图像浅层特征中的高低频信息进行提取和捕捉；所述深层特征提取模块，包括当获取到输入的低分辨率图像时，对图像深层特征中的高低频信息进行提取和捕捉；所述图像上采样模块，包括对捕获到的通道特征进行一定比例系数的放大；所述图像重建模块，包括对放大后的高维抽象特征处理成为能够具体显示出来的二维图像；所述评估模块，包括对重建后的图像与真正的高分辨率图像画面质量之间的对比；所述浅层特征提取模块采用一个卷积层进行浅层特征提取，方法如下： 式中，stride代表卷积步长，padding代表输入的每一条边补充0的层数，heightkernel和widthkernel代表卷积核的尺寸，widthin和heightin代表输入图像的宽高尺寸，widthout和heightout代表卷积操作后输出图像的宽高尺寸；所述深层特征提取模块采用残差密集块做为基本构建单元，通过堆叠若干个残差密集块来构建深层特征提取模块，进行深层特征提取。

全文数据：

权利要求：

百度查询： 西安科技大学 一种针对任意模糊核的超分辨率图像重建方法

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