[发明专利]一种基于深度学习的图像超分辨率重建方法及装置在审
| 申请号： | 201810511777.2 | 申请日： | 2018-05-25 |
| 公开（公告）号： | CN108734660A | 公开（公告）日： | 2018-11-02 |
| 发明（设计）人： | 陈涛;王洪剑;林江 | 申请（专利权）人： | 上海通途半导体科技有限公司 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06T5/50;G06T7/11;G06N3/08 |
| 代理公司： | 上海国智知识产权代理事务所(普通合伙) 31274 | 代理人： | 潘建玲 |
| 地址： | 201203 上海市浦东新区郭*** | 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： | 本发明公开了一种基于深度学习的图像超分辨率重建方法及装置，所述方法包括如下步骤：步骤S1，构建多尺度残差卷积神经网络，利用训练样本进行多尺度残差卷积神经网络训练，以获得低、高分辨率图像块的非线性对应关系；步骤S2，利用训练好的多尺度残差卷积神经网络对输入的低分辨率图像进行非线性映射，以得到重构的高分辨率图像，通过本发明，可使重建的超分辨率图像更接近真实的图像。 | ||
| 搜索关键词： | 卷积神经网络 多尺度 残差 高分辨率图像 图像超分辨率 重建 非线性对应关系 超分辨率图像 低分辨率图像 非线性映射 训练样本 重构的 构建 图像 学习 | ||
【主权项】：
1.一种基于深度学习的图像超分辨率重建方法，包括如下步骤：步骤S1，构建多尺度残差卷积神经网络，利用训练样本进行多尺度残差卷积神经网络训练，以获得低、高分辨率图像块的非线性对应关系；步骤S2，利用训练好的多尺度残差卷积神经网络对输入的低分辨率图像进行非线性映射，以得到重构的高分辨率图像。
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上海通途半导体科技有限公司，未经上海通途半导体科技有限公司许可，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/patent/201810511777.2/，转载请声明来源钻瓜专利网。
