公开(公告)号：CN118799191B

公开(公告)日：2024-12-27

申请号：CN202411274186.X

申请日：2024-09-12

Applicant: 华东交通大学

Inventor： 祝振敏 ,  李永健 ,  李威 ,  徐振华 ,  詹鑫 ,  卢文全 ,  熊俊杰 ,  赵伟哲 ,  詹焱亮

IPC: G06T3/4076 ,  G06T3/4046

Abstract: 本公开涉及计算机视觉领域，具体涉及一种基于偏振图像的零样本学习超分辨率重建方法和系统，所述方法包括如下步骤：获取偏振相机的原始偏振图像；所述原始偏振图像包括4个角度的偏振态图像，分别为0°、45°、90°和135°的偏振态图像，并集中在一幅图像上且无需分割的原始偏振图像；对采集到的原始偏振图像进行下采样，使用退化表征学习，获取不同退化形式的低分辨率图像；将退化过的低分辨率图像与原始偏振图像组成对，采用斯托克斯参量，基于保留偏振信息的损失函数对神经网络进行训练；将原始偏振图像作为训练后的神经网络的输入以输出重建的超分辨率图像。本公开可快速生成高精度超分辨率重建结果，有效保留图像中包含的偏振信息。

公开(公告)号：CN114881858B

公开(公告)日：2024-12-27

申请号：CN202210538803.7

申请日：2022-05-17

Applicant: 东南大学

Inventor： 裴文江 ,  冯程晨 ,  夏亦犁

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40

Abstract: 本发明公开了一种基于多注意力机制融合的轻量级双目图像超分辨率方法，主要解决双目图像超分辨率任务中模型性能和计算效率难以达到平衡的问题。首先，引入修正的二值化特征融合框架融合通道注意力和空间注意力机制下提取的多级图像特征；其次，通过双通道注意力机制对双目图像进行全局视差信息的提取，同时引入金字塔采样机制减少模块计算量。经实验证明，本发明实现了较少参数下超分辨率性能的较大提升，证实了轻量级网络在双目图像超分辨率任务中的可移植性。

公开(公告)号：CN119168870A

公开(公告)日：2024-12-20

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：CN119168867A

公开(公告)日：2024-12-20

申请号：CN202411320674.X

申请日：2024-09-23

Applicant: 中国人民解放军国防科技大学

Inventor： 乔鹏 ,  翟肇源 ,  李荣春 ,  周镇 ,  陈蔼娜 ,  贺周雨

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/40 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464

Abstract: 本申请涉及一种图像超分辨率处理方法、装置、计算机设备、及介质，其中，方法包括：获取待处理的低分辨率图像；提取低分辨率图像的特征，得到初始特征图；基于通道注意力机制提取初始特征图中的全局通道结构特征、并基于稠密分块通道注意力机制提取初始特征图中的局部通道细节特征；融合全局通道结构特征和局部通道细节特征，得到融合特征，并基于融合特征和空间注意力机制提取局部空间细节特征，得到具有增强全局通道信息、局部通道信息和局部空间信息的目标特征图；对目标特征图进行上采样和下采样，生成高分辨率图像。整个方案可以高效且准确实现图像超分辨率处理。

公开(公告)号：CN118212126B

公开(公告)日：2024-12-17

申请号：CN202410333447.4

申请日：2024-03-22

Applicant: 北京长木谷医疗科技股份有限公司

Inventor： 张逸凌 ,  刘星宇

IPC: G06T3/4046 ,  G06T3/4007 ,  G06T5/70 ,  G06T5/30 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供了一种基于深度学习的图像数据转换方法、装置、设备及计算机可读存储介质。该方法，包括：获取膝关节网格图像数据；将膝关节网格图像数据输入预设的图像数据类型转换模型中，输出对应的膝关节像素图像数据；其中，图像数据类型转换模型是基于全卷积神经网络经过模型训练得到的，全卷积神经网络包括：连续5层的卷积层、归一化层和池化层，在经过裁剪和融合后，对特征图进行多级上采样处理，得到与原始图像大小相同的特征矩阵；对膝关节像素图像数据进行布尔计算；将布尔计算后的膝关节像素图像数据转换为对应的膝关节网格图像数据。根据本申请实施例，能够提高图像数据类型转换的准确性。

公开(公告)号：CN119131788A

公开(公告)日：2024-12-13

申请号：CN202411125728.7

申请日：2024-08-16

Applicant: 重庆德方信息技术有限公司

Inventor： 李春林 ,  刘志 ,  高康荣 ,  何苗 ,  赖森林

IPC: G06V20/69 ,  G06T7/11 ,  G06T3/4038 ,  G06T3/4046

Abstract: 本发明公开了一种显微图像采集聚焦分层处理方法，包括：采用显微镜在第一个单位扫描区域通过爬山法沿Z轴方向识别出清晰度最高的图层图像作为显微图像，并计算该图层图像的Z轴坐标作为下一个单位扫描区域的标准层Z坐标；在后续的单位扫描区域以标准层Z坐标为基准分割出少量图层，从中识别出清晰度最高的图层图像作为显微图像，直至获取玻片各单位扫描区域的显微图像，并拼接获得整个玻片视野的显微图像。本发明中，从第二个单位扫描区域开始，所需要分割的图层数量以及分割后识别的图层图像数量大大减少，从而大大降低了处理量和对算力的要求，同时提高了成像速度，并能精准还原玻片中标本的结构特征，具有良好的应用前景。

公开(公告)号：CN119131535A

公开(公告)日：2024-12-13

申请号：CN202411102037.5

申请日：2024-08-12

Applicant: 广西交科集团有限公司 ,  南宁盛伟宏工程科技有限责任公司 ,  南京隼眼电子科技有限公司

Inventor： 凌晔华 ,  朱其义 ,  李雍 ,  韦明 ,  梁爱红 ,  谭俊杰 ,  陈涛 ,  雷小平

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/90 ,  G06T3/4038 ,  G06T3/4046

Abstract: 本申请提供一种图像处理方法、装置、电子设备及存储介质，属于图像处理技术领域，该方法包括：获取待处理的输入图像；将输入图像送入特征提取模块，以逐层级地从输入图像中提取特征，生成特征图；将特征图送入特征融合模块，通过对特征图执行上采样和拼接操作以融合来自不同层级的特征图，得到融合特征图；将融合特征图送入输出模块，对融合特征图执行上采样操作以调整其空间分辨率，使其与输入图像的空间分辨率相匹配，生成匹配特征图；以及对匹配特征图执行卷积操作，生成单通道特征图。本申请通过优化神经网络结构，以降低对高性能硬件依赖的问题。

公开(公告)号：CN119130814A

公开(公告)日：2024-12-13

申请号：CN202411629592.3

申请日：2024-11-15

Applicant: 江西财经大学

Inventor： 左一帆 ,  黄慧敏 ,  王智 ,  鄢杰斌 ,  夏雪 ,  陈强 ,  方玉明

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T3/4038 ,  G06T5/50 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出一种基于尺度感知隐函数的深度图超分辨率重建方法与系统，该方法通过对高分辨率引导图和低分辨率深度图进行特征提取，获取高分辨率引导特征和低分辨率深度特征，再将所提取的特征采用隐式交叉注意力进行相互融合，并双向更新，多次迭代后，获取最终的高分辨率引导特征和低分辨率深度特征，通过基于隐式交叉注意力和隐式自注意力的Transformer对高分辨率引导特征和低分辨率深度特征进行解码，最后得到任意尺度超分辨率重建的深度图。本发明为任意尺度深度图超分辨率重建提供了统一的解决方案，同时所提模型与系统在主流数据集上与目前最先进的方法比较，均达到了主观评价和客观评价的最好效果。

公开(公告)号：CN119130812A

公开(公告)日：2024-12-13

申请号：CN202411308405.1

申请日：2024-09-19

Applicant: 复旦大学

Inventor： 刘欣 ,  周博谦 ,  顾文庭 ,  任璇 ,  张高菠 ,  李博艺 ,  他得安

IPC: G06T3/4053 ,  A61B8/08 ,  A61B8/00 ,  G06T3/4046 ,  G06T5/70 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开一种基于扩散模型的非造影超分辨超声成像方法及系统，向目标对象发射多角度复合平面波，采集回波信号并进行波束合成得到红细胞B型超声图像序列；对红细胞B型超声图像序列应用基于奇异值分解的时空滤波算法，将红细胞信号从组织信号和噪声信号中分离出来，得到高信噪比的超声图像序列以进行红细胞PD图像重建；基于训练完成的扩散模型对所述红细胞PD图像进行超分辨映射，以实现在非造影模态下重建出超分辨超声图像。避免了对于超声造影剂的依赖，通过对低分辨红细胞PD图像基于训练完成的深度学习扩散模型进行超分辨映射，实现具有超高分辨率的超声成像，改善了SR‑US成像技术的应用灵活性，拓展了其应用范围。

公开(公告)号：CN119130803A

公开(公告)日：2024-12-13

申请号：CN202410722514.1

申请日：2024-06-05

Applicant: 西安理工大学

Inventor： 宋霄罡 ,  庞欣超 ,  黑新宏

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0985 ,  G06N3/084

Abstract: 本发明公开了基于空间通道增强自注意力的超分辨率重建方法，具体按以下步骤实施：步骤1，构建基于空间通道增强自注意力的超分辨率重建模型；步骤2，对经步骤1构建的模型进行训练；步骤3，对经步骤2训练的模型进行测试。本发明解决了现有重建方法中普遍存在的网络模型参数量庞大、计算复杂度高、对通道信息利用不足、重建效果不理想等问题，使得重建图像的纹理细节更加丰富逼真，重建质量显著提升，在实际应用中具有广阔的前景和重要的应用价值。