[发明专利]基于双向递归卷积神经网络的图像超分辨率增强方法有效
| 申请号： | 201610458327.2 | 申请日： | 2016-06-22 |
| 公开（公告）号： | CN106127684B | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 黄凯奇;徐冉;张俊格 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06T5/00 |
| 代理公司： | 北京瀚仁知识产权代理事务所(普通合伙) 11482 | 代理人： | 宋宝库 |
| 地址： | 100080 *** | 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： | 本发明公开了一种基于双向递归卷积神经网络的图像超分辨率增强方法，包括模型训练和分辨率增强两部分；模型训练：获取多组包含有完全相同内容的高、低分辨率图像，并通过滑动窗口的方法提取高、低分辨率图像块序列，进而训练双向递归卷积神经网络模型；分辨率增强：将待处理低分辨率图像通过滑动窗口的方法分割成一组待处理低分辨率图像块，通过训练好的双向递归卷积神经网络模型生成对应的高分辨率图像块并融合为对应的高分辨率图像。该方法充分利用了双向递归卷积神经网络学习相邻图像块空间位置关系，进而得到包含有更多边缘纹理等细节信息的高分辨率图像。 | ||
| 搜索关键词： | 基于 双向 递归 卷积 神经网络 图像 分辨率 增强 方法 | ||
【主权项】：
1.基于双向递归卷积神经网络的图像超分辨率增强方法，其特征在于，包括模型训练和分辨率增强两部分；模型训练：步骤A1，获取多组包含有完全相同内容的高、低分辨率图像；对每张低分辨率图像通过滑动窗口的方法提取一组低分辨率图像块，同一张低分辨率图像中连续M个空间位置上依次相邻的低分辨率图像块组合形成一个训练样本；提取每张高分辨率图像中与低分辨率图像块位置对应的高分辨率图像块作为该训练样本的标签；步骤A2，利用所述的训练样本和训练样本的标签进行双向递归卷积神经网络模型的训练；分辨率增强：步骤B1，将待处理低分辨率图像通过滑动窗口的方法分割成一组待处理低分辨率图像块，同一张待处理低分辨率图像中连续的空间位置上依次相邻的低分辨率图像块组合形成一个待处理样本序列，并保存每个低分辨率图像块在图像中的对应位置；步骤B2，将所述待处理样本序列输入到步骤A2训练好的双向递归卷积神经网络模型中，输出待处理样本序列中各待处理低分辨率图像块对应的高分辨率图像块，将输出的高分辨率图像块按照对应低分辨率图像块在图像中的位置进行融合，从而生成高分辨率图像。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/patent/201610458327.2/，转载请声明来源钻瓜专利网。
- 上一篇：葡萄酒大瓶特型瓶清洗装置
- 下一篇：一种硼酸铝晶须强化的复合保温冒口套
