[发明专利]一种图像处理方法、系统、机器可读介质及设备在审

专利信息
申请号: 202010274342.8 申请日: 2020-04-09
公开(公告)号: CN111507900A 公开(公告)日: 2020-08-07
发明(设计)人: 周曦;姚志强;范汉志;肖春林 申请(专利权)人: 上海云从汇临人工智能科技有限公司
主分类号: G06T3/40 分类号: G06T3/40;G06T7/00
代理公司: 上海光华专利事务所(普通合伙) 31219 代理人: 代玲
地址: 200120 上海市浦东*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 处理 方法 系统 机器 可读 介质 设备
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

基于光场图像的外部相关性对待处理的光场图像进行第一次超分辨率重建,得到第一重建图像;

基于光场图像的内部相关性对第一重建图像进行第二次超分辨率重建,得到第二重建图像。

2.根据权利要求1所述的图像处理方法,其特征在于,将所述待处理的光场图像输入至预先训练得到的第一超分辨率重建模型中,得到第一重建图像。

3.根据权利要求1或2所述的图像处理方法,其特征在于,将所述第一重建图像输入至预先训练得到的第二超分辨率重建模型中,得到第二重建图像。

4.根据权利要求3所述的图像处理方法,其特征在于,

基于第一重建图像确定目标视角图像;

将所述目标视角图像输入至预先训练得到的第二超分辨率重建模型中,得到第二重建图像。

5.根据权利要求1所述的图像处理方法,其特征在于,基于第一训练集数据对VDSR网络或SRCNN网络进行训练得到第一超分辨率重建模型。

6.根据权利要求5所述的图像处理方法,其特征在于,对第一训练集数据或/和待处理光场图像进行一次或多次下采样;对下采样后的第一训练集数据进行一次或多次上采样;所述上采样和下采样的次数相同。

7.根据权利要求1所述的图像处理方法,其特征在于,基于第二训练集数据对MPCNN网络进行训练得到第二超分辨率重建模型。

8.根据权利要求7所述的图像处理方法,其特征在于,获取所述第二训练集数据的方法包括:

获取由第一超分辨率重建模型生成的光场图像;

基于所述光场图像确定目标视角图像;

对目标视角图像进行图像分割,得到若干的图像块;

在每一个图像块的邻域内搜索与每一个图像块相似的相似图像块。

9.一种图像处理系统,其特征在于,包括:

第一分辨率图像重建模块,用于基于光场图像的外部相关性对待处理的光场图像进行第一次超分辨率重建,得到第一重建图像;

第二分辨率图像重建模块,用于基于光场图像的内部相关性对第一重建图像进行第二次超分辨率重建,得到第二重建图像。

10.根据权利要求8所述的图像处理系统,其特征在于,将所述待处理的光场图像输入至预先训练得到的第一超分辨率重建模型中,得到第一重建图像。

11.根据权利要求9或10所述的图像处理系统,其特征在于,将所述第一重建图像输入至预先训练得到的第二超分辨率重建模型中,得到第二重建图像。

12.根据权利要求11所述的图像处理系统,其特征在于,

基于第一重建图像确定目标视角图像;

将所述目标视角图像输入至预先训练得到的第二超分辨率重建模型中,得到第二重建图像。

13.根据权利要求9所述的图像处理系统,其特征在于,基于第一训练集数据对VDSR网络或SRCNN网络进行训练得到第一超分辨率重建模型。

14.根据权利要求13所述的图像处理系统,其特征在于,对第一训练集数据或/和待处理光场图像进行一次或多次下采样;对下采样后的第一训练集数据进行一次或多次上采样;所述上采样和下采样的次数相同。

15.根据权利要求9所述的图像处理系统,其特征在于,基于第二训练集数据对MPCNN网络进行训练得到第二超分辨率重建模型。

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上海云从汇临人工智能科技有限公司,未经上海云从汇临人工智能科技有限公司许可,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/202010274342.8/1.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