-
公开(公告)号：CN113240583B
公开(公告)日：2022-09-16
申请号：CN202110395719.X
申请日：2021-04-13
摘要： 本发明公开了一种基于卷积核预测的图像超分辨方法。本发明包括以下步骤：1选取多幅原始图像，对每幅原始图像进行处理获得对应的短焦图像和长焦图像，将所有原始图像与对应的短焦图像和长焦图像作为训练集；2建立卷积核预测神经网络；3将训练集输入卷积核预测神经网络进行训练，获得训练后的卷积核预测神经网络；4同一时刻下，利用双焦相机的长焦镜头和短焦镜头在同光轴下分别进行拍摄获得待修复的长焦图像和短焦图像，将待修复的长焦图像和短焦图像输入到训练后的卷积核预测神经网络，获得修复后的超分辨图像。本发明基于数字图像超分辨的要求，通过长短焦映射和卷积核预测实现了高倍率的数字图像超分辨。
-
公开(公告)号：CN113177882B
公开(公告)日：2022-08-05
申请号：CN202110474006.2
申请日：2021-04-29
摘要： 本发明公开了一种基于扩散模型的单帧图像超分辨处理方法。方法建立超分辨扩散模型的扩散过程和条件噪声预测器；将高低分辨图像数据集输入到超分辨扩散模型的条件噪声预测器，利用超分辨扩散模型的扩散过程对条件噪声预测器进行训练，获得预训练后的条件噪声预测器；待处理的低分辨图像输入到超分辨扩散模型的逆过程中，获得残差预测图像；残差预测图像与经过上采样操作的低分辨图像相加，得到预测的超分辨图像。本发明对同一张低分辨图像生成具有一致特征的多张超分辨图像，每张超分辨图像具有丰富的纹理和自然性，避免了过平滑问题、模式崩塌问题，在较少时间开销下提高了重建性能。
-
公开(公告)号：CN114757827A
公开(公告)日：2022-07-15
申请号：CN202210313768.9
申请日：2022-03-28
摘要： 本发明公开了一种通用的真实世界单帧图像超分辨增强方法。方法包括以下步骤：S1利用频域数据增强方法对真实世界退化图像和对应的高分辨图像进行数据增强处理，获得增强图像集；S2利用增强退化图像振铃效应方法对增强图像集再进行数据增强后，获得输入图像集，由输入图像集和对应高分辨图像构成训练集；S3将训练集输入到超分辨网络进行训练，获得训练好的超分辨网络；S4将待重建的真实世界退化图像输入到训练好的超分辨网络中进行预测，获得重建的高分辨图像。本发明减少了超分辨网络在重建真实世界退化图像时产生的振铃，生成的图像效果自然、结构清晰，提升了超分辨方法在真实世界图像上的重建性能。
-
公开(公告)号：CN114757827B
公开(公告)日：2024-10-22
申请号：CN202210313768.9
申请日：2022-03-28
IPC分类号： G06T3/4053 , G06T5/10
摘要： 本发明公开了一种通用的真实世界单帧图像超分辨增强方法。方法包括以下步骤：S1利用频域数据增强方法对真实世界退化图像和对应的高分辨图像进行数据增强处理，获得增强图像集；S2利用增强退化图像振铃效应方法对增强图像集再进行数据增强后，获得输入图像集，由输入图像集和对应高分辨图像构成训练集；S3将训练集输入到超分辨网络进行训练，获得训练好的超分辨网络；S4将待重建的真实世界退化图像输入到训练好的超分辨网络中进行预测，获得重建的高分辨图像。本发明减少了超分辨网络在重建真实世界退化图像时产生的振铃，生成的图像效果自然、结构清晰，提升了超分辨方法在真实世界图像上的重建性能。
-
公开(公告)号：CN114240752A
公开(公告)日：2022-03-25
申请号：CN202111549838.2
申请日：2021-12-17
摘要： 本发明公开了一种基于认知不确定性的单帧图像超分辨方法。建立带有认知不确定性的由易到难处理超分辨生成器；针对由易到难处理超分辨生成器的训练建立认知不确定性图生成器；针对由易到难处理超分辨生成器的训练过程中融合入认知不确定性图生成器进行训练；将作为待测低分辨图像的单帧图像输入到训练后的由易到难处理超分辨生成器中处理获得最终超分辨结果图。本发明减少生成对抗网络在生成图像时候产生的伪纹理，产生更加真实的结构和纹理信息，效果自然，能够达到最优或者次优，提升了超分辨方法的重建性能。
-
公开(公告)号：CN112985600A
公开(公告)日：2021-06-18
申请号：CN202110157355.1
申请日：2021-02-04
摘要： 本发明公开了一种基于衍射的光谱编码成像系统和方法。包括如下步骤：(1)利用相长干涉波长排布方式获得编码的衍射元件；(2)搭建标定点扩散函数的成像系统；(3)利用标定点扩散函数的成像系统进行光谱标定实验和光谱图像采集实验分别获得不同波段的点扩散函数和光谱混叠图像；(4)根据不同波段的点扩散函数，利用高光谱图像重建网络算法对光谱混叠图像进行处理获得不同波段下的高光谱图像。本发明解决了传统光谱成像系统结构复杂，光谱信息获取时效性低的问题；本发明中衍射元件的结构设计，有利于重建网络算法的效果以及衍射元件的加工；并且得到的高光谱图像准确清晰，拥有更宽的谱段适用范围，鲁棒性高。
-
公开(公告)号：CN112985600B
公开(公告)日：2022-01-04
申请号：CN202110157355.1
申请日：2021-02-04
摘要： 本发明公开了一种基于衍射的光谱编码成像系统和方法。包括如下步骤：(1)利用相长干涉波长排布方式获得编码的衍射元件；(2)搭建标定点扩散函数的成像系统；(3)利用标定点扩散函数的成像系统进行光谱标定实验和光谱图像采集实验分别获得不同波段的点扩散函数和光谱混叠图像；(4)根据不同波段的点扩散函数，利用高光谱图像重建网络算法对光谱混叠图像进行处理获得不同波段下的高光谱图像。本发明解决了传统光谱成像系统结构复杂，光谱信息获取时效性低的问题；本发明中衍射元件的结构设计，有利于重建网络算法的效果以及衍射元件的加工；并且得到的高光谱图像准确清晰，拥有更宽的谱段适用范围，鲁棒性高。
-
公开(公告)号：CN113240583A
公开(公告)日：2021-08-10
申请号：CN202110395719.X
申请日：2021-04-13
摘要： 本发明公开了一种基于卷积核预测的图像超分辨方法。本发明包括以下步骤：1选取多幅原始图像，对每幅原始图像进行处理获得对应的短焦图像和长焦图像，将所有原始图像与对应的短焦图像和长焦图像作为训练集；2建立卷积核预测神经网络；3将训练集输入卷积核预测神经网络进行训练，获得训练后的卷积核预测神经网络；4同一时刻下，利用双焦相机的长焦镜头和短焦镜头在同光轴下分别进行拍摄获得待修复的长焦图像和短焦图像，将待修复的长焦图像和短焦图像输入到训练后的卷积核预测神经网络，获得修复后的超分辨图像。本发明基于数字图像超分辨的要求，通过长短焦映射和卷积核预测实现了高倍率的数字图像超分辨。
-
公开(公告)号：CN113177882A
公开(公告)日：2021-07-27
申请号：CN202110474006.2
申请日：2021-04-29
摘要： 本发明公开了一种基于扩散模型的单帧图像超分辨处理方法。方法建立超分辨扩散模型的扩散过程和条件噪声预测器；将高低分辨图像数据集输入到超分辨扩散模型的条件噪声预测器，利用超分辨扩散模型的扩散过程对条件噪声预测器进行训练，获得预训练后的条件噪声预测器；待处理的低分辨图像输入到超分辨扩散模型的逆过程中，获得残差预测图像；残差预测图像与经过上采样操作的低分辨图像相加，得到预测的超分辨图像。本发明对同一张低分辨图像生成具有一致特征的多张超分辨图像，每张超分辨图像具有丰富的纹理和自然性，避免了过平滑问题、模式崩塌问题，在较少时间开销下提高了重建性能。
-
公开(公告)号：CN118172590A
公开(公告)日：2024-06-11
申请号：CN202410158850.8
申请日：2024-02-02
申请人： 浙江中烟工业有限责任公司 , 浙江大学
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06V10/32 , G06N3/047 , G06N3/045 , G06F8/60
摘要： 本发明公开了一种深度学习烟叶分级的工业生产部署方法，包括如下步骤：S1：利用烟叶图像数据训练多个卷积神经网络烟叶分级模型；S2：利用剪枝、量化压缩烟叶分级模型，并利用蒸馏恢复模型压缩前的准确率；S3：部署压缩后的模型。本发明针对烟叶分级主观性较强的问题，提出使用卷积神经网络进行自动化烟叶分级；为满足流水线实时性要求，降低延时，提高吞吐量，使用剪枝、蒸馏、量化在不影响或少量影响模型分级准确率的基础上，降低模型参数量和计算量，并灵活利用本地推理框架和云服务器推理后端进行烟叶分级结果的计算。
-
-
-
-
-
-
-
-
-
搜索结果
239 条记录 (耗时 0.059 秒)
