公开(公告)号：CN119338677A

公开(公告)日：2025-01-21

申请号：CN202411342132.2

申请日：2024-09-25

Applicant: 武汉理工大学

Inventor： 覃梦娇 ,  陈西江 ,  赵不钒

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明公开了一种基于无监督遥感超分辨率的高精度湖泊提取方法，该方法包括以下步骤：1）采集目标区域低分辨率遥感影像；2）构建融合梯度的多通道无监督深度超分模型；3）模型训练，确定优化后的模型参数；4）利用训练得到的深度超分模型对对采集的目标区域低分辨率遥感影像进行高空间分辨率图像的重建，获得高分辨率遥感图像；5）基于原始低分辨率遥感图像及步骤4）获得的高分辨率遥感图像进行图像特点增强，得到最终高分辨率遥感图像；6）根据最终高分辨率遥感图像，计算超分辨率遥感影像的NDWI指数；7）根据NDWI指数提取湖泊区域。使用本发明方法对湖泊进行提取，可以得到边界更清晰、面积更准确、空间分辨率更高的湖泊区域。

公开(公告)号：CN119338666A

公开(公告)日：2025-01-21

申请号：CN202411241670.2

申请日：2024-09-05

Applicant: 武夷学院

Inventor： 章磊 ,  黄蕾 ,  陈以乐 ,  郑亮 ,  周世辉

IPC: G06T3/04 ,  G06T5/70 ,  G06T3/4053 ,  G06T3/4046 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/094 ,  G06Q50/08

Abstract: 本发明公开了一种基于风格迁移的建筑改造方法、系统、设备及介质，包括：获取待改造建筑对应的第一建筑立面图像及用于风格迁移参考的风格建筑立面图像；提取所述第一建筑立面图像对应的建筑特征和所述风格建筑立面图像对应的风格建筑特征；融合所述建筑特征和所述风格建筑特征，得到目标建筑图像特征；根据所述目标建筑图像特征，获取目标建筑的目标立面图像，以提高建筑改造的效果。

公开(公告)号：CN119323518A

公开(公告)日：2025-01-17

申请号：CN202411469538.7

申请日：2024-10-21

Applicant: 新疆大学

Inventor： 汪烈军 ,  唐清婷 ,  郭治卿

IPC: G06T3/4053 ,  G06V10/44 ,  G06V10/54 ,  G06V10/56 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于分层感知蒸馏的图像超分辨率方法，包括以下操作步骤：步骤一：输入低分辨率图像数据集；步骤二：浅层特征提取过程；步骤三：深层特征提取与增强过程：图像通过更深的网络层进行处理，以提取复杂的高层次特征；步骤四：图像重建与优化：在特征提取和增强之后，模型将这些提取到的特征进行整合；步骤五：输出重建结果：经过处理和重建的图像被输出为高分辨率版本，输出结果显示了显著的视觉改善。本发明与现有的技术相比的优点在于：本发明通过优化超分辨率重建模型的网络结构，通过结合卷积神经网络与视觉变压器的优势，开发出更加轻量化且高效的模型。

公开(公告)号：CN119323517A

公开(公告)日：2025-01-17

申请号：CN202411417871.3

申请日：2024-10-11

Applicant: 西安闻泰信息技术有限公司

Inventor： 畅天石

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/048

Abstract: 本申请涉及图像处理技术领域，特别是涉及一种图像生成方法、装置、计算机设备和计算机可读存储介质。方法包括：获取第一分辨率图像；对第一分辨率图像进行预设操作，生成目标图像；将目标图像输入至包含生成器和鉴别器的图像识别模型进行超分辨率处理，确定每张输出图像对应的概率；将最大的概率对应的输出图像作为第一分辨率图像对应的第二分辨率图像；其中，第二分辨率图像的分辨率大于第一分辨率图像的分辨率。采用本方法能够提升重建后的图像质量的同时，提升基于深度学习的SISR方法的应用场景。

公开(公告)号：CN119168870B

公开(公告)日：2025-01-17

申请号：CN202411661937.3

申请日：2024-11-20

Applicant: 武汉大学

Inventor： 康应东 ,  金光 ,  张学敏 ,  王绍举

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T3/4007 ,  G06V10/44 ,  G06V10/82 ,  G06V20/13 ,  G06N3/0499 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供一种基于混合注意力机制的遥感卫星图像超分辨率方法及系统，属于遥感图像处理技术领域，包括：采集目标遥感卫星的原始图像，将原始图像放大至目标尺寸，得到放大后的原始图像；对原始图像进行浅层特征提取，获得浅层特征图像；对浅层特征图像进行深层特征提取，获得深层特征图像；对浅层特征图像和深层特征图像进行超分辨率处理，获得超分辨率残差图像，结合超分辨率残差图像和放大后的原始图像，得到超分辨率重建图像。本发明有效解决遥感卫星高光谱图像超分辨率过程中的伪影去除和细节还原问题，能够生成分辨率更高、信息更丰富且准确的图像，以便于视觉感知和后续高阶视觉任务。

公开(公告)号：CN119295307A

公开(公告)日：2025-01-10

申请号：CN202411118254.3

申请日：2024-08-15

Applicant: 北京理工大学 ,  西南技术物理研究所

Inventor： 吴昊泽 ,  曹杰 ,  徐辰宇 ,  崔雨勇 ,  杨峰 ,  鲍春

IPC: G06T3/4038 ,  G06T3/4046 ,  G06T3/4007 ,  G06T7/33 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于深度学习的多环境适用的图像拼接方法，包括：获取若干高分辨率图像，采用双线性插值算法对所述高分辨率图像进行降采样后，采用Superpoint算法获取图像特征点；采用Lightglue算法对所述图像特征点进行匹配，将所述高分辨率图像投影到同一坐标系下，生成对应的掩膜；根据所述掩膜对所述高分辨率图像之间的重叠部分进行色彩增益补偿，获得色彩增益补偿后的高分辨率图像；对所述色彩增益补偿后的高分辨率图像使用无监督的深度学习网络进行拼接，完成多环境适用的图像拼接。本发明有效的减少了在拼接的过程中的失真和裂痕，使拼接后的图像更适合于人眼观察，无明显的割裂感。

公开(公告)号：CN113837940B

公开(公告)日：2025-01-10

申请号：CN202111033944.5

申请日：2021-09-03

Applicant: 山东师范大学

Inventor： 李天平 ,  欧佳瑜 ,  夏浩 ,  冯凯丽

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本公开提供了基于密集残差网络的图像超分辨率重建方法及系统，包括：获取图像信息：根据获取的图像信息和预设的图像超分辨率重建模型，得到图像超分辨率重建结果；其中，所述图像超分辨率重建模型由密集残差网络和改进的Transformer网络结合得到；改进的Transformer网络中，通过不断赋予新的权重以更新Query与Key的点乘结果，进而得到加权输出；本公开提出一种W‑Transformer与密集残差网络相结合的新型网络以用于提升图像的超分辨率，该网络采用两种网络相结合的方式达到整体性能提升的目的。

公开(公告)号：CN119273550A

公开(公告)日：2025-01-07

申请号：CN202411322551.X

申请日：2024-09-20

Applicant: 京东方科技集团股份有限公司

Inventor： 王婷婷

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/0464

Abstract: 本公开提供图像处理方法、装置、计算机设备及存储介质。该方法包括：基于多个第一查找表LUT，模拟超分辨率模型对原始图像执行的初始卷积操作，以得到中间图像；执行超分辨率模型针对中间图像的操作，以得到超分辨率图像；其中，初始卷积操作包括依次线性执行的升通道卷积操作和点卷积操作，升通道卷积操作的卷积核尺寸大于点卷积操作的卷积核尺寸，点卷积操作与升通道卷积操作的卷积核的每个位置一一对应，多个第一LUT包括与升通道卷积操作的卷积核的每个位置一一对应的一维LUT，一维LUT用于记录像素的取值与点卷积结果的映射关系，点卷积结果为像素的取值、升通道卷积操作的卷积核中对应位置的权重，以及点卷积操作的卷积核的权重的乘积。

公开(公告)号：CN119251419A

公开(公告)日：2025-01-03

申请号：CN202411309653.8

申请日：2024-09-19

Applicant: 西安建筑科技大学

Inventor： 李智杰 ,  米德源 ,  李昌华 ,  董玮 ,  张颉 ,  介军

IPC: G06T17/05 ,  G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供了一种融合梯度特征Transformer的DEM超分辨率重建方法及系统，属于图像处理技术领域，所述重建方法由多个残差特征融合块组成，其内部的多尺度金字塔切分Transformer层将多头自注意力和金字塔切分注意力进行融合，更好地捕捉DEM局部和整体特征信息，其次为使重建的DEM更加接近真实，使用了双滤波卷积块，通过两个不同滤波块的并行结构，充分提取DEM高低频特征，最终在梯度域和高度域双重约束下进行超分辨率重建，本发明实现了重建DEM的细节清晰，适应不同尺度和复杂度的地形特征,解决了传统算法无法准确恢复DEM细节的问题。

公开(公告)号：CN119251048A

公开(公告)日：2025-01-03

申请号：CN202410191196.0

申请日：2024-02-20

Applicant: 荣耀终端有限公司

Inventor： 向超 ,  雷财华

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请实施例提供了一种超分模型训练方法及图像缩放方法，通过获取样本图像对，样本图像对包括相同对象的不同分辨率图像；对第二分辨率图像进行特征提取，得到第二分辨率图像特征；根据放大系数确定第二分辨率图像放大后的图像大小，得到第一图像大小；基于第一图像大小和放大系数得到位置向量信息；对位置向量信息进行特征提取，得到位置特征；根据第二分辨率图像特征和位置特征，生成第三分辨率图像；基于第三分辨率图像和第一分辨率图像的差异，训练超分模型。使得超分模型在接收到低分辨率图像时，能够输出其对应的高分辨率图像，提高了低分辨率图像放大后的清晰度。