公开(公告)号：CN118799191A

公开(公告)日：2024-10-18

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：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。