[发明专利]一种基于宽度神经网络的图像超分辨率重建方法及系统有效
| 申请号： | 201910934165.9 | 申请日： | 2019-09-29 |
| 公开（公告）号： | CN110648282B | 公开（公告）日： | 2021-03-23 |
| 发明（设计）人： | 唐英干;吴苏栗 | 申请（专利权）人： | 燕山大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06N3/02 |
| 代理公司： | 北京高沃律师事务所 11569 | 代理人： | 刘凤玲 |
| 地址： | 066000 河北省*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于宽度神经网络的图像超分辨率重建方法及系统，所述方法首先获取训练集图像和低分辨率图像；其次根据所述训练集图像构建宽度神经网络模型；然后采用正则化的相关熵准则训练所述宽度神经网络模型，获得宽度神经网络模型的参数；所述参数包括目标函数和输出层权值；最后根据所述低分辨率图像和带有参数的宽度神经网络模型确定高分辨率图像。本发明利用正则化的相关熵准则训练宽度神经网络模型，利用已训练的宽度神经网络模型对低分辨率图像进行超分辨率重建，构建的宽度神经网络模型结构简单、易于训练，图像重建时间短，提高了实际应用性。 | ||
| 搜索关键词： | 一种 基于 宽度 神经网络 图像 分辨率 重建 方法 系统 | ||
【主权项】：
1.一种基于宽度神经网络的图像超分辨率重建方法，其特征在于，所述重建方法包括：/n获取训练集图像和低分辨率图像；/n根据所述训练集图像构建宽度神经网络模型；/n采用正则化的相关熵准则训练所述宽度神经网络模型，获得宽度神经网络模型的参数；所述参数包括目标函数和输出层权值；/n根据所述低分辨率图像和带有参数的宽度神经网络模型确定高分辨率图像。/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燕山大学，未经燕山大学许可，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/201910934165.9/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
