[发明专利]基于小波包的超分辨率重建方法在审
| 申请号： | 201810614929.1 | 申请日： | 2018-06-14 |
| 公开（公告）号： | CN108921785A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 邱明;林坤辉;景丽婷;曾捷航;王颖 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06T5/50 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于小波包的超分辨率重建方法，输入三通道彩色低分辨图，通过32个残差单元构成的深度神经网络输出高分辨图片的高频特征；将32个残差单元的输出再输入到另外一组32个残差单元构成的深度神经网络，再输出高分辨率图片的低频特征；利用小波包将高分辨图片的低频特征和高频特征合成为最终的高分辨率图片。网络结构更为简单，训练参数更少，从而可以构建出比之前方法更深的网络结构，而增加网络深度及特征通道数是提高模型的准确率的重要方法之一。小波包是用来将图片的高频细节和低频内容分开，利用各自独立的损失函数来控制的高频细节信息和低频图片内容在超分辨率重建中所占的比例，可控制出现过度的纹理细节，或者纹理缺失的情况。 | ||
| 搜索关键词： | 小波包 超分辨率重建 残差 高分辨率图片 低频特征 高频特征 网络结构 高分辨 高频细节信息 神经网络输出 低频内容 高频细节 神经网络 损失函数 特征通道 图片内容 纹理细节 训练参数 输出 纹理 可控制 三通道 准确率 构建 分辨 图片 网络 | ||
【主权项】：
1.基于小波包的超分辨率重建方法，其特征在于包括以下步骤：1)输入三通道彩色低分辨图，通过32个残差单元构成的深度神经网络输出高分辨图片的高频特征；2)将32个残差单元的输出再输入到另外一组32个残差单元构成的深度神经网络，再输出高分辨率图片的低频特征；3)利用小波包将高分辨图片的低频特征和高频特征合成为最终的高分辨率图片。
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厦门大学，未经厦门大学许可，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/patent/201810614929.1/，转载请声明来源钻瓜专利网。
