[发明专利]分像素插值方法、系统、计算机设备和介质有效

专利信息
申请号: 201810294119.2 申请日: 2018-03-30
公开(公告)号: CN110324635B 公开(公告)日: 2021-06-15
发明(设计)人: 刘家瑛;夏思烽;杨文瀚;胡越予;郭宗明 申请(专利权)人: 北京大学;北大方正集团有限公司;北京北大方正电子有限公司
主分类号: H04N19/523 分类号: H04N19/523;H04N19/59
代理公司: 北京友联知识产权代理事务所(普通合伙) 11343 代理人: 尚志峰;汪海屏
地址: 100871*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 像素 方法 系统 计算机 设备 介质
【权利要求书】:

1.一种分像素插值方法,其特征在于,包括:

对训练集中的每一张原始图像进行处理,得到整像素块和分像素块;

将所述整像素块前向传播到卷积神经网络,得到所述分像素块的预测值;

计算所述分像素块的预测值与所述分像素块的均方差;

将所述均方差反向传播到所述卷积神经网络,以更新所述卷积神经网络各层的权值,循环迭代直至所述卷积神经网络收敛,得到分像素插值网络。

2.根据权利要求1所述的分像素插值方法,其特征在于,所述对训练集中的每一张原始图像进行处理的步骤,包括:

对所述原始图像进行隔点下采样得到初步整像素块,再进行编码,得到所述整像素块;

对所述原始图像进行标准差值为预设区间内随机数的高斯模糊,再对模糊图片进行隔点下采样得到所述分像素块。

3.根据权利要求1所述的分像素插值方法,其特征在于,将所述整像素块前向传播到卷积神经网络,得到所述分像素块的预测值的步骤,包括:

提取所述整像素块的共享特征图;

根据所述分像素块的像素位将所述共享特征图复制相应的份数,并对复制得到的多个所述共享特征图进行差分变换,得到所述分像素块的预测值。

4.根据权利要求2所述的分像素插值方法,其特征在于,还包括:

根据所述分像素块的分像素位设置所述预设区间。

5.根据权利要求4所述的分像素插值方法,其特征在于,

当所述分像素位为1/2像素位时,所述预设区间为[0.5,0.6];

当所述分像素位为1/4像素位时,所述预设区间为[0.7,0.8]。

6.根据权利要求5所述的分像素插值方法,其特征在于,还包括:

将已编码的分像素块输入到所述分像素插值网络,获取插值结果。

7.一种分像素插值系统,其特征在于,包括:

处理单元,用于对训练集中的每一张原始图像进行处理,得到整像素块和分像素块;

学习单元,用于将所述整像素块前向传播到卷积神经网络,得到所述分像素块的预测值;

计算单元,用于计算所述分像素块的预测值与所述分像素块的均方差;

所述学习单元,还用于将所述均方差反向传播到所述卷积神经网络,以更新所述卷积神经网络各层的权值,循环迭代直至所述卷积神经网络收敛,得到分像素插值网络。

8.根据权利要求7所述的分像素插值系统,其特征在于,所述处理单元,具体用于:

对所述原始图像进行隔点下采样得到初步整像素块,再进行编码,得到所述整像素块;

对所述原始图像进行标准差值为预设区间内随机数的高斯模糊,再对模糊图片进行隔点下采样得到所述分像素块。

9.根据权利要求7所述的分像素插值系统,其特征在于,所述学习单元,具体用于:

提取所述整像素块的共享特征图;

根据所述分像素块的像素位将所述共享特征图复制相应的份数,并对复制得到的多个所述共享特征图进行差分变换,得到所述分像素块的预测值。

10.根据权利要求8所述的分像素插值系统,其特征在于,所述处理单元,还用于:

根据所述分像素块的分像素位设置所述预设区间。

11.根据权利要求10所述的分像素插值系统,其特征在于,

当所述分像素位为1/2像素位时,所述预设区间为[0.5,0.6];

当所述分像素位为1/4像素位时,所述预设区间为[0.7,0.8]。

12.根据权利要求11所述的分像素插值系统,其特征在于,还包括:

插值单元,用于将已编码的分像素块输入到所述分像素插值网络,获取插值结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学;北大方正集团有限公司;北京北大方正电子有限公司,未经北京大学;北大方正集团有限公司;北京北大方正电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810294119.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top