-
-
公开(公告)号：CN107507141A
公开(公告)日：2017-12-22
申请号：CN201710666509.3
申请日：2017-08-07
申请人： 清华大学深圳研究生院
CPC分类号： G06T5/005 , G06N3/0454 , G06N3/08 , G06T2207/20021 , G06T2207/20081 , G06T2207/20084
摘要： 本发明公开了一种基于自适应残差神经网络的图像复原方法，包括：搭建自适应残差神经网络模型，所述自适应残差神经网络包括相互串联的多个自适应残差单元；分别选取针对图像去噪、图像超分辨和图像去块效应问题的训练集，并分别设置相应的训练参数；根据所述自适应残差神经网络模型以及针对图像去噪、图像超分辨和图像去块效应问题的训练参数，以最小化损失函数为目标分别训练相应的目标神经网络模型；根据训练得到的针对图像去噪、图像超分辨和图像去块效应问题的所述目标神经网络模型，将待处理的图像输入到相应的目标神经网络模型，输出相应的高质量的图像。本发明能够显著提高图像的PSNR、SSIM和视觉效果，复原效果好、速度快、鲁棒性强。
-
公开(公告)号：CN105139361B
公开(公告)日：2017-12-19
申请号：CN201510599249.3
申请日：2015-09-18
申请人： 清华大学深圳研究生院
IPC分类号： G06T5/00
摘要： 本发明提供一种基于非线性优化的FPM算法的图像超分辨率重建方法，包括以下步骤：(1)控制LED阵列中LED逐点发光，FPM平台采集不同光照下的低分辨率图像；(2)基于不同角度光照下所得到的图像其实是正射下的图像在频域进行偏移得到的特点，对采集到的低分辨率图像建立约束，基于该约束，定义重建结果和采集的图像之间的总偏差；(3)对总偏差求导得到相对应的梯度值，利用梯度下降算法，迭代求解得到总偏差最小的重建结果。本发明充分利用了非线性优化方法的优势，将原有的FPM算法进行了数学建模，将频域迭代的方法抽象成求解非线性函数得最优解的问题，从一个新的角度来解决图像超分辨率重建问题，提高了算法的重建效果。
-
公开(公告)号：CN104899830B
公开(公告)日：2017-09-29
申请号：CN201510290639.2
申请日：2015-05-29
申请人： 清华大学深圳研究生院
IPC分类号： G06T3/40
摘要： 本发明公开了一种图像超分辨方法，包括：训练出低分辨率字典DL，计算高、低分辨率近邻集合和计算出从低分辨率特征到高分辨率特征的映射矩阵集合{Fi}，对于输入的低分辨率图像IL，提取低分辨率图像块集合与低分辨率特征集合对于每一个低分辨率特征从低分辨率字典DL中选择与其最接近的字典基dk，使用相应的映射矩阵Fk恢复出对应的高分辨率特征再将所有重构的高分辨特征加上对应的低分辨率图像块得到相应的高分辨率图像块并将所有的高分辨图像块融合成一张高分辨图像IH。该方法处理速度快，并能得到质量高的高分辨率图像。
-
公开(公告)号：CN105913399A
公开(公告)日：2016-08-31
申请号：CN201610230555.4
申请日：2016-04-13
申请人： 清华大学深圳研究生院
IPC分类号： G06T5/00
CPC分类号： G06T5/003 , G06T2207/10052 , G06T2207/20056
摘要： 本发明公开了一种光场图像的超分辨方法及装置，该方法包括：对高分辨率图像进行傅里叶变换得到幅度谱Dm和相位谱Dp；对高分辨率视点图进行傅里叶变换获得幅度谱Hi,m和相位谱Hi,p；在Dm和Hi,m中分别得到幅度谱D′m和H′i,m；在D′m中将与H′i,m对应的部分置零得到幅度谱D″m，将H′1,m与D″m线性叠加得到最终的幅度谱H″1,m；在Dp和H1,p中分别得到相位谱D′p和H′1,p；在D′p中将与H′1,p同频率的值置零得到相位谱D″p，将D′p中将与H′1,p同频率的值相减得到相位谱D″′p，将D″p与D″′p相加得到相位谱D″″p，将D″″p和H′1,p线性叠加得到最终的相位谱H″1,p；将H″1,m和H″1,p傅里叶反变换得到超分辨的光场图像。
-
公开(公告)号：CN103473743B
公开(公告)日：2016-03-02
申请号：CN201310416866.6
申请日：2013-09-12
申请人： 清华大学深圳研究生院
摘要： 本发明公开了一种获取图像深度信息的方法，包括以下步骤：1)对待处理的单幅原始图像进行高斯模糊处理，得到模糊图像；2)检测待处理的原始图像的纹理边缘，将所述原始图像划分为纹理梯度相对较大的区域，定义为D区域和纹理梯度相对较小的区域，定义为F区域；3)对于所述D区域内的像素点，根据模糊估计方法计算得到各像素点的比例因子；4)对于所述F区域内的各像素点，进行Kalman滤波，估计各像素点的比例因子；5)根据原始图像的聚焦信息，将各像素点的比例因子转换为各像素点的相对深度值。本发明的获取图像深度信息的方法，引入Kalman滤波的思想，可抑制常规的散焦法获取深度值时的噪声，提高最终获得的深度图的精度，且无需额外的信息补充。
-
公开(公告)号：CN105139361A
公开(公告)日：2015-12-09
申请号：CN201510599249.3
申请日：2015-09-18
申请人： 清华大学深圳研究生院
IPC分类号： G06T5/00
摘要： 本发明提供一种基于非线性优化的FPM算法的图像超分辨率重建方法，包括以下步骤：(1)控制LED阵列中LED逐点发光，FPM平台采集不同光照下的低分辨率图像；(2)基于不同角度光照下所得到的图像其实是正射下的图像在频域进行偏移得到的特点，对采集到的低分辨率图像建立约束，基于该约束，定义重建结果和采集的图像之间的总偏差；(3)对总偏差求导得到相对应的梯度值，利用梯度下降算法，迭代求解得到总偏差最小的重建结果。本发明充分利用了非线性优化方法的优势，将原有的FPM算法进行了数学建模，将频域迭代的方法抽象成求解非线性函数得最优解的问题，从一个新的角度来解决图像超分辨率重建问题，提高了算法的重建效果。
-
公开(公告)号：CN104899830A
公开(公告)日：2015-09-09
申请号：CN201510290639.2
申请日：2015-05-29
申请人： 清华大学深圳研究生院
IPC分类号： G06T3/40
CPC分类号： G06T3/4053
摘要： 本发明公开了一种图像超分辨方法，包括：训练出低分辨率字典DL，计算高、低分辨率近邻集合和计算出从低分辨率特征到高分辨率特征的映射矩阵集合{Fi}，对于输入的低分辨率图像IL，提取低分辨率图像块集合与低分辨率特征集合对于每一个低分辨率特征从低分辨率字典DL中选择与其最接近的字典基dk，使用相应的映射矩阵Fk恢复出对应的高分辨率特征再将所有重构的高分辨特征加上对应的低分辨率图像块得到相应的高分辨率图像块并将所有的高分辨图像块融合成一张高分辨图像IH。该方法处理速度快，并能得到质量高的高分辨率图像。
-
公开(公告)号：CN103530857A
公开(公告)日：2014-01-22
申请号：CN201310535630.4
申请日：2013-10-31
申请人： 清华大学深圳研究生院
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于多尺度的卡尔曼滤波图像去噪方法，包括如下步骤：小波分解步骤，对图像进行小波变换，所述图像被分解为多个层，每个层包括四个部分：LL部分、HL部分、LH部分和HH部分，其中，LL部分属于低频部分，HL部分、LH部分和HH部分属于高频部分；计算预测步骤，用上一层的HL部分、LH部分和HH部分的最终估计小波子系数分别更新下一层的HL部分、LH部分和HH部分的初始估计小波子系数，对于上下两层相应的部分：逆变换步骤，利用更新小波子系数后的多个层进行小波逆变换，得到去噪后的图像。
-
公开(公告)号：CN105913399B
公开(公告)日：2018-10-16
申请号：CN201610230555.4
申请日：2016-04-13
申请人： 清华大学深圳研究生院
IPC分类号： G06T5/00
摘要： 本发明公开了一种光场图像的超分辨方法及装置，该方法包括：对高分辨率图像进行傅里叶变换得到幅度谱Dm和相位谱Dp；对高分辨率视点图进行傅里叶变换获得幅度谱Hi，m和相位谱Hi，p；在Dm和Hi，m中分别得到幅度谱D′m和H′i，m；在D′m中将与H′i，m频率对应的部分置零得到幅度谱D″m，将H′i，m与D″m线性叠加得到最终的幅度谱H″i，m；在Dp和Hi，p中分别得到相位谱D′p和H′i，p；在D′p中将与H′i，p同频率的值置零得到相位谱D″p，将D′p中将与H′i，p同频率的值相减得到相位谱D″′p，将D″p与D″′p相加得到相位谱D″″p，将D″″p和H′i，p线性叠加得到最终的相位谱H″i，p；将H″i，m和H″i，p傅里叶反变换得到超分辨的光场图像。
-
-
-
-
-
-
-
-
-
搜索结果
96 条记录 (耗时 0.06 秒)
