[发明专利]基于深度学习的模糊视频超分辨率方法及系统在审
| 申请号： | 201910554229.2 | 申请日： | 2019-06-25 |
| 公开（公告）号： | CN110458756A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 郭海富;郭克华;任盛 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06T5/00;G06N3/04 |
| 代理公司： | 43113 长沙正奇专利事务所有限责任公司 | 代理人： | 马强;王娟<国际申请>=<国际公布>=< |
| 地址： | 410083湖南*** | 国省代码： | 湖南;43 |
| 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模糊视频超分辨率方法，在单帧深度反投影超分辨率模型的基础上，设计了多帧模糊视频超分辨率模型，提升了模糊视频超分辨率重建质量并且支持高倍数(×8)重建。针对运动模糊视频超分辨率重建后视频边缘轮廓等细节信息不清晰，视频质量低的问题，本发明通过在深度反投影超分辨率模型上引入递归学习和多帧融合策略构建模糊视频超分辨率模型。该模型通过学习模糊低分辨率视频帧到清晰高分辨率视频帧的非线性映射，能够重建边缘轮廓清晰的超分辨率视频，提升了运动模糊视频超分辨率重建的质量，使得人们能够更好的获取视频信息，例如超分辨率重建医疗视频帮助医生清楚观察患者的病灶部位，提高疾病确诊和治愈的可能。 | ||
| 搜索关键词： | 超分辨率 超分辨率重建 视频 模糊视频 边缘轮廓 运动模糊 反投影 多帧 清晰 低分辨率视频帧 高分辨率视频帧 非线性映射 病灶部位 疾病确诊 融合策略 视频信息 细节信息 重建 单帧 递归 构建 学习 模糊 引入 观察 医生 医疗 帮助 | ||
【主权项】：
1.一种基于深度学习的模糊视频超分辨率方法，其特征在于，包括以下步骤：/n1)对运动模糊视频帧进行预处理，得到运动补偿后的去模糊视频帧序列；/n2)以运动补偿后的去模糊视频帧序列为输入，构建深度反投影视频超分辨率模型；/n3)使用DIV2K数据集通过Ptorch训练出针对不同尺寸的超分辨率模型，将训练好的超分辨率模型参数提供给深度反投影视频超分辨率模型使用；/n4)对新输入的运动模糊视频帧，经步骤1)预处理后通过步骤3)的深度反投影视频超分辨率模型重建视频帧序列。/n
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南大学，未经中南大学许可，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/201910554229.2/，转载请声明来源钻瓜专利网。
