[发明专利]基于级联框架的单幅压缩图像超分辨率重建方法在审

专利信息
申请号: 201910571747.5 申请日: 2019-06-28
公开(公告)号: CN112150356A 公开(公告)日: 2020-12-29
发明(设计)人: 何小海;王新欢;李兴龙;任超;熊淑华;王正勇 申请(专利权)人: 四川大学
主分类号: G06T3/40 分类号: G06T3/40;G06N3/08;G06N3/04
代理公司: 暂无信息 代理人: 暂无信息
地址: 610065 四川*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 级联 框架 单幅 压缩 图像 分辨率 重建 方法
【权利要求书】:

1.基于级联框架的单幅压缩图像超分辨率重建方法,其特征在于包括以下步骤:

步骤一:对于输入的低分辨率压缩图像,构建一种基于宽激活残差块的去压缩效应网络,用于去除压缩噪声,得到去噪后的低分辨率图像;

步骤二:利用训练图像集,训练步骤一中构建的去压缩效应网络;

步骤三:对于去噪后的低分辨率图像,构建一种基于宽激活残差块的超分辨率重建网络,以提升图像分辨率,得到最终高分辨率图像;

步骤四:利用训练图像数据集,训练步骤三中构建的超分辨率重建网络;

步骤五:在图像重建阶段,将低分辨率压缩图像作为输入,利用步骤二中训练出的网络来重建出低分辨率图像,再将得到的图像作为输入,利用步骤四中训练出的网络来重建出最终的高分辨率图像。

2.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法,其特征在于步骤一所述的去压缩效应网络,该网络通过设定固定卷积层实现图像的重叠取块,这种重叠取块的方式一方面增加了网络的感受野,使得网络的预测输出能够利用更多的输入图像信息;另一方面,这种操作在一定程度上对待重建像素进行了多次重建,在提高了网络鲁棒性的同时,能有效地消除块效应。

3.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法,其特征在于步骤一所述的去压缩效应网络和步骤三所述的超分辨率重建网络,该网络利用了宽激活残差块,对线性整流函数(Rectified Linear Unit,ReLU)激活前的特征进行通道扩充,对激活后的特征进行通道还原,将能在有效提升网络预测性能的同时,不引入更多的网络参数和计算量;在这种参数量和网络计算复杂度不变的情况下,宽激活网络能够获得更优的性能。

4.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法,其特征在于步骤三所述的超分辨率重建网络,该网络的输入是步骤一中去压缩效应网络的输出,以实现了去压缩效应网络和超分辨率网络的级联,将低分辨率压缩图像的超分重建问题分割为去压缩效应和超分辨率重建两个子环节。

5.根据权利要求1所述的基于级联框架的单幅压缩图像超分辨率重建方法,其特征在于步骤四所述的超分辨率重建网络,在训练该网络时,使用经过步骤一中去压缩效应网络处理后的图像和下采样的低分辨率图像作为训练图像对,通过这种方式训练的超分辨率重建网络更具有针对性,能够有效地提升最终网络的性能。

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四川大学,未经四川大学许可,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/201910571747.5/1.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