公开(公告)号：CN117422782A

公开(公告)日：2024-01-19

申请号：CN202311187789.1

申请日：2023-09-15

申请人： 东南大学

发明人： 陈阳 ,  钟鑫云 ,  吴战

IPC分类号： G06T11/00 ,  G06T3/4076 ,  G06T17/00 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/045

摘要： 本发明公开了基于投影域数据一致性学习的CBCT金属伪影去除方法，包括：临床获取的高分辨率CBCT投影域图像先降低分辨率，低分辨率下在投影域修复网络中对金属掩码区域进行恢复，恢复后的图像进入超分重建网络进一步将图像重建至原始高分辨率，实现CBCT金属伪影的抑制。本发明实现了对CBCT金属伪影的高效抑制，有效利用原始投影域，金属掩码和投影域先验图像的数据。本发明不仅提出了一种从低分辨率到高分辨率的图像恢复策略，增强了恢复结果的一致性，并且还在投影域修复网络中引入先验图像信息，通过融合先验信息进一步引导网络生成高一致性的投影域结果，从而对金属伪影进行有效抑制。

公开(公告)号：CN117408884A

公开(公告)日：2024-01-16

申请号：CN202311543160.6

申请日：2023-11-20

申请人： 维沃移动通信有限公司

发明人： 刘国祥 ,  陈春辉

IPC分类号： G06T3/4076 ,  G06T3/4023 ,  G06T3/4046 ,  G06T5/50 ,  G06N3/0464

摘要： 本申请公开了一种图像处理方法、装置、电子设备和存储介质，属于图像处理技术领域。方法包括：渲染第一图像和第二图像，其中，第一图像和第二图像是在虚拟相机的视场以第一运动信息运动的情况下，基于虚拟相机的视场渲染得到的，第一图像的分辨率和第二图像的分辨率均为第一分辨率；确定第一图像和第二图像的采样参数和融合参数；基于采样参数，对第一图像和第二图像进行上采样处理，得到处理后的第三图像和第四图像，其中，第三图像和第四图像的分辨率为第二分辨率，第二分辨率大于第一分辨率；根据融合参数对第三图像和第四图像进行融合处理，得到处理后的第五图像，第五图像的分辨率为第二分辨率。

公开(公告)号：CN118941722A

公开(公告)日：2024-11-12

申请号：CN202411420813.6

申请日：2024-10-12

申请人： 深圳大学

发明人： 李存宝 ,  谢和平 ,  赵江鹏 ,  刘一飞 ,  胡建军 ,  张世新 ,  李俊

IPC分类号： G06T17/00 ,  G06T7/136 ,  G06T7/187 ,  G06T3/4076 ,  G06T3/4046 ,  G06N3/0455

摘要： 本发明公开了月壤颗粒的三维形貌识别及重构方法、系统、终端及介质，涉及三维重构技术领域。方法包括：获取月壤颗粒集；对月壤颗粒集进行拍摄，得到月壤颗粒集的二维图片；对二维图片进行分割，得到各月壤颗粒的颗粒图片；将每一月壤颗粒的颗粒图片输入已训练的升维重构模型，得到重构三维形貌数据；升维重构模型包括编码器和解码器；编码器用于根据输入的颗粒图片，提取不同维度的若干特征图；解码器用于对各特征图进行三维反卷积，得到重构三维形貌数据。本发明仅需一台拍照设备获取月壤颗粒集的二维图片，结合已训练的升维重构模型，即可实现端到端的升维重构，获得月壤颗粒的三维形貌数据，降低了获取三维形貌信息的时间和成本。

公开(公告)号：CN118918004A

公开(公告)日：2024-11-08

申请号：CN202411407368.X

申请日：2024-10-10

申请人： 江西师范大学

发明人： 刘飞强 ,  陈黎辉 ,  江爱文 ,  王贝贝

IPC分类号： G06T3/4046 ,  G06T3/4076 ,  G06N3/045

摘要： 本发明涉及图像处理领域，提出了一种双路Transformer图像超分辨率方法及系统，设计了一种双路Transformer网络，通过深度特征提取模块进行纹理细节信息的强化，其中双路特征融合子模块采用了两条Transformer分支支路来探索空间域的长程依赖，再将上下两个分支支路的输出特征进行融合，不仅实现了两个分支支路上的信息交互，增强了纹理细节信息的获取，而且还可以压缩通道，减少网络的参数量，全局特征融合子模块融合来自不同层级的特征信息以获取深层特征以有效结合了Transformer网络和卷积神经网络的优势，本发明提高了图像超分辨率对图像纹理细节的重建质量。

公开(公告)号：CN118898556A

公开(公告)日：2024-11-05

申请号：CN202410929644.2

申请日：2024-07-11

申请人： 武汉大学

发明人： 韩镇 ,  麦文俊 ,  薛云峰 ,  王希豪 ,  王中元

IPC分类号： G06T5/77 ,  G06T5/70 ,  G06T5/60 ,  G06T3/4076 ,  G06T3/02 ,  G06N3/0464

摘要： 本申请公开了基于人脸先验的低分辨率图像退化估计方法与装置。该方法包括：获取低分辨率图像，提取低分辨率人脸图像；基于低分辨率人脸图像得到局部复原人脸图像；生成初始模糊核；生成退化人脸图像，将退化人脸图像与低分辨率人脸图像进行对比得到噪声残差图像与预估模糊核；将预估模糊核、局部复原人脸图像、噪声残差图像与低分辨率图像输入到噪声水平预估计网络中，得到预估噪声水平；构建模糊核与噪声水平联合修正框架，将预估模糊核、低分辨率图像、预估噪声水平、局部复原人脸图像与低分辨率人脸图像输入到模糊核与噪声水平联合修正框架中，得到修正后的模糊核与修正后的噪声水平。本申请可以提高低分辨率图像退化估计的准确度。

公开(公告)号：CN118864259A

公开(公告)日：2024-10-29

申请号：CN202310419292.1

申请日：2023-04-19

申请人： 广州视琨电子科技有限公司

发明人： 郑文镇

IPC分类号： G06T3/4092 ,  G06T3/4076

摘要： 本申请涉及图像修复技术领域，特别是涉及一种基于超分辨率重构的图像修复方法、装置及电路板。该基于超分辨率重构的图像修复方法，包括如下步骤：获取初始视频图像，响应于图像修复指令，对初始视频图像的图像类型进行分析确定图像类型；根据初始视频图像的图像类型确定对应的超分辨率重构策略，其中，每一图像类型对应配置唯一的超分辨率重构策略；基于超分辨率重构策略对初始视频图像进行重构以获得目标视频图像。该图像修复方法能够将低分辨率视频图像进行重构以获得高分辨率的待播放视频图像，从而提高显示画面的质量，有助于观众获得较好的视觉体验。

公开(公告)号：CN118864257A

公开(公告)日：2024-10-29

申请号：CN202410768131.8

申请日：2024-06-14

申请人： 东北电力大学

发明人： 钟铁 ,  杨丰瑞 ,  董新桐 ,  董士琦 ,  王新旸 ,  程明

IPC分类号： G06T3/4076 ,  G01V1/36 ,  G06T3/4046 ,  G06T5/70 ,  G06T5/60 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

摘要： 本发明涉及一种基于混合双边注意力的生成对抗网络的地震数据处理方法，包括设计生成对抗网络训练的输入和输出数据形式，设计增加残差块的深度，设计混合注意力，设计双边注意力，设计改变生成器和判别器网络结构后半部分，训练数据集构建，测试集构建，设计生成器和判别器，初始化网络权重，将训练集数据输入SHBGAN训练网络权重，确认模型的超分辨效果以及确认模型的泛化性。本方法可提高对地震数据弱振幅部分和多形态褶皱、断层等地质结构的超分辨重建效果，提高输入数据在通道和空间维度上的相关性，提高生成器的训练稳定性和生成图像的质量，实现对具有复杂结构和强噪声野外地震数据的超分辨重建，提升模型的泛化性。

公开(公告)号：CN111951203B

公开(公告)日：2024-10-29

申请号：CN202010623644.1

申请日：2020-07-01

申请人： 北京大学深圳研究生院

发明人： 高伟 ,  陶履方 ,  周琳洁

IPC分类号： G06T5/50 ,  G06T3/4076 ,  G06N3/08 ,  G06N3/0464 ,  G06T3/4046

摘要： 本发明公开了一种视点合成方法、装置、设备及计算机可读存储介质，该方法包括以下步骤：获取多个输入图像，并将输入图像输入至压缩分辨率网络，以对输入图像执行压缩分辨率操作，得到中间图像；将中间图像输入至视点合成网络，得到视点合成图；将视点合成图输入至超分辨率网络，以对视点合成图执行分辨率重建操作，输出高分辨率的目标视点合成图，其中，压缩分辨率网络与所述超分辨率网络的网络结构对称。本发明通过压缩分辨率网络和超分辨率网络降低视点合成数据的运算量，从而减少计算机系统的计算量，提升计算机运算效率，解决了计算机系统进行视点合成的计算效率较低的技术问题。

公开(公告)号：CN113767415B

公开(公告)日：2024-10-15

申请号：CN202080000467.X

申请日：2020-04-01

申请人： 京东方科技集团股份有限公司

发明人： 陈冠男 ,  王镜茹 ,  张丽杰 ,  胡风硕

IPC分类号： G06T3/4076 ,  G06T3/4007 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

摘要： 提供一种计算机实现方法。该计算机实现方法包括：将低分辨率图像输入到生成器中；以及使用生成器基于低分辨率图像来生成高分辨率图像。生成高分辨率图像包括：通过在生成器中串联布置的多个超分辨率生成单元处理低分辨率图像。与所述多个超分辨率生成单元中的相应一个的相应输入相比，来自多个超分辨率生成单元中的所述相应一个的相应输出具有相应增加的图像分辨率。

公开(公告)号：CN113487476B

公开(公告)日：2024-10-15

申请号：CN202110558894.6

申请日：2021-05-21

申请人： 中国科学院自动化研究所

发明人： 张树武 ,  李尚 ,  曾智 ,  张桂煊 ,  刘杰

IPC分类号： G06T3/4076 ,  G06V10/774

摘要： 本发明提供一种在线更新的图像盲超分辨率重建方法和装置，其中方法包括：初始化学习网络中的降质估计模块和超分重建模块；每隔一个学习周期，将待重建图像输入至超分重建模块进行超分辨率重建，得到多个候选超分重建图像；基于多个候选超分重建图像的视觉效果，确定待重建图像的超分重建图像；其中，在每一学习周期内，交替优化降质估计模块和超分重建模块，以学习待重建图像的降质方式，并学习基于降质方式进行超分辨率重建。本发明不依赖于低分辨率‑高分辨率样本对，能够根据不同低分辨率测试图片的降质方式进行模型参数优化，获得特定于测试图片降质方式的模型，从而对待重建图像进行针对性地超分重建，提高了超分辨率重建的效果和鲁棒性。