[发明专利]分像素插值方法、系统、计算机设备和介质有效
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 | ||
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。
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。