-
公开(公告)号：CN114494015A
公开(公告)日：2022-05-13
申请号：CN202210083251.5
申请日：2022-01-25
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于盲超分辨率网络的图像重建方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建基于盲超分辨率网络的图像重建模型O；(3)对盲超分率图像重建网络模型O进行迭代训练；(4)获取图像重建结果。本发明所构建的盲超分辨率图像重建模型，能够根据不同退化图像自适应进行模糊核估计并修正模糊核，使的估计的模糊核更加准确，解决了现有技术中存在的因模糊核估计不准确导致重建图像纹理模糊和结构失真的技术问题，在保证重建图像分辨率前提下，有效提高了重建图像的质量。
-
公开(公告)号：CN110111256A
公开(公告)日：2019-08-09
申请号：CN201910350951.4
申请日：2019-04-28
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于残差蒸馏网络的图像超分辨率重建方法，主要解决现有方法重建效果差，资源消耗大的问题，其实现步骤为：1)构建残差蒸馏模块；2)级联残差蒸馏块构建残差蒸馏卷积群；3)级联低级特征提取网络、残差蒸馏模块和图像重建层构建残差蒸馏卷积网络；4)对公布的图像数据集进行预处理，并将处理后的数据分成训练数据集和测试数据集；5)利用训练数据集训练残差蒸馏网络；6)将测试数据集中的图像输入到残差蒸馏网络中，输出重建后的高分辨率图像。本发明提高了重建图像的清晰度，尤其在重建结构轮廓、自然纹理时，表现更佳，可用于受限设备采集图像的超分辨率重建。
-
公开(公告)号：CN109376571A
公开(公告)日：2019-02-22
申请号：CN201810874533.0
申请日：2018-08-03
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于变形卷积的人体姿态估计方法，解决了从图像中估计人体姿态的技术问题。实现步骤为：获取训练图像；制作关节点热图；构建变形卷积前向传播模块；构建残差块和搭建带有变形残差块网络结构的多尺度沙漏形网络；训练堆叠带有变形残差块网络结构的多尺度沙漏形网络；获取人体姿态估计结果。本发明使用了变形卷积并改进了沙漏形网络内部连接方式，搭建出堆叠带有变形残差块网络结构的多尺度沙漏形网络，对于独立单张的自然彩色图像，在人体肢体扭曲或姿态特殊、光线折射或反射的干扰、人体尺度变化较大、及有遮挡存在的复杂场景下能有效提取和组织图像特征，更精准地估计出人体姿态。用于多场景下人机交互。
-
公开(公告)号：CN114494015B
公开(公告)日：2024-07-02
申请号：CN202210083251.5
申请日：2022-01-25
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于盲超分辨率网络的图像重建方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建基于盲超分辨率网络的图像重建模型O；(3)对盲超分率图像重建网络模型O进行迭代训练；(4)获取图像重建结果。本发明所构建的盲超分辨率图像重建模型，能够根据不同退化图像自适应进行模糊核估计并修正模糊核，使的估计的模糊核更加准确，解决了现有技术中存在的因模糊核估计不准确导致重建图像纹理模糊和结构失真的技术问题，在保证重建图像分辨率前提下，有效提高了重建图像的质量。
-
公开(公告)号：CN113096015B
公开(公告)日：2023-04-28
申请号：CN202110381620.4
申请日：2021-04-09
Applicant: 西安电子科技大学
IPC: G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于渐进式感知和超轻量级网络的图像超分辨率重建方法，解决了现有技术超分后的图像存在的结构畸变和几何失真的现象，实现步骤为：构建低参数密度的内容重建生成网络；构建低参数密度的感知重建生成网络；生成训练集；训练内容重建生成网络；利用内容相关特征训练感知重建生成网络；对自然图像进行超分辨率重建。本发明采用渐进式的重建方式逐步重建出结构清晰的图像，同时由于构建的生成网络的拓扑结构简单、参数量少，易于用于计算资源受限的移动设备及专有芯片中。
-
Patent Agency Ranking
公开(公告)号：CN113096015A
公开(公告)日：2021-07-09
申请号：CN202110381620.4
申请日：2021-04-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于渐进式感知和超轻量级网络的图像超分辨率重建方法，解决了现有技术超分后的图像存在的结构畸变和几何失真的现象，实现步骤为：构建低参数密度的内容重建生成网络；构建低参数密度的感知重建生成网络；生成训练集；训练内容重建生成网络；利用内容相关特征训练感知重建生成网络；对自然图像进行超分辨率重建。本发明采用渐进式的重建方式逐步重建出结构清晰的图像，同时由于构建的生成网络的拓扑结构简单、参数量少，易于用于计算资源受限的移动设备及专有芯片中。
-
公开(公告)号：CN110111256B
公开(公告)日：2023-03-31
申请号：CN201910350951.4
申请日：2019-04-28
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于残差蒸馏网络的图像超分辨率重建方法，主要解决现有方法重建效果差，资源消耗大的问题，其实现步骤为：1)构建残差蒸馏模块；2)级联残差蒸馏块构建残差蒸馏卷积群；3)级联低级特征提取网络、残差蒸馏模块和图像重建层构建残差蒸馏卷积网络；4)对公布的图像数据集进行预处理，并将处理后的数据分成训练数据集和测试数据集；5)利用训练数据集训练残差蒸馏网络；6)将测试数据集中的图像输入到残差蒸馏网络中，输出重建后的高分辨率图像。本发明提高了重建图像的清晰度，尤其在重建结构轮廓、自然纹理时，表现更佳，可用于受限设备采集图像的超分辨率重建。
-
公开(公告)号：CN110517237B
公开(公告)日：2022-12-06
申请号：CN201910766634.0
申请日：2019-08-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于膨胀三维卷积神经网络的无参考视频质量评价方法，其步骤为：构建由粗特征提取模块、三维时空特征学习模块、非线性回归模块组成的膨胀三维卷积神经网络，生成无参考的训练数据集和测试数据集，训练膨胀三维卷积神经网络，输出测试集中每个失真视频的质量评价分数值。本发明用于从输入的失真视频中自适应地提取时空域内容的质量感知特征，在网络的输出端得到对应的预测质量分数，实现了端对端的质量评价，具有评价无参考视频质量时结果更加准确、应用更广泛的优点。
-
公开(公告)号：CN109376571B
公开(公告)日：2022-04-08
申请号：CN201810874533.0
申请日：2018-08-03
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于变形卷积的人体姿态估计方法，解决了从图像中估计人体姿态的技术问题。实现步骤为：获取训练图像；制作关节点热图；构建变形卷积前向传播模块；构建残差块和搭建带有变形残差块网络结构的多尺度沙漏形网络；训练堆叠带有变形残差块网络结构的多尺度沙漏形网络；获取人体姿态估计结果。本发明使用了变形卷积并改进了沙漏形网络内部连接方式，搭建出堆叠带有变形残差块网络结构的多尺度沙漏形网络，对于独立单张的自然彩色图像，在人体肢体扭曲或姿态特殊、光线折射或反射的干扰、人体尺度变化较大、及有遮挡存在的复杂场景下能有效提取和组织图像特征，更精准地估计出人体姿态。用于多场景下人机交互。
-
公开(公告)号：CN110136060A
公开(公告)日：2019-08-16
申请号：CN201910332670.6
申请日：2019-04-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于浅层密集连接网络的单帧图像超分辨率重建方法，主要解决现有数字成像系统获得的图像分辨率低的问题；其实施过程为：首先通过跨层级联的方式构建密集连接块，而后堆叠两次密集连接块，构造密集连接网络；然后通过双三次下采样的方式取图像Y通道，构建训练数据集和测试数据集，并通过训练数据训练浅层连接网络；使用平均绝对误差作为网络的损失函数，判定网络训练是否达到要求；最后使用测试集，通过已训练好的网络进行图像超分辨率重建；本发明通过浅层密集连接网络，能更加有效地利用特征图，最终重构的超分辨率图像保留了更丰富的细节和更清晰地边缘轮廓，可用于天气状况预测、公安部门刑侦破案、电视显示器清晰度提升。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.027 seconds)
