-
公开(公告)号：CN105308648B
公开(公告)日：2019-05-31
申请号：CN201480033079.6
申请日：2014-06-20
申请人： 高通股份有限公司
IPC分类号： G06T3/40
CPC分类号： H04N5/23216 , G06T3/4053 , G06T5/00
摘要： 本发明描述用于高效地对图像的一部分进行超分辨的系统、装置和方法。一个实施例涉及使用装置的相机模块捕获场景的至少一个图像，并且创建用户选定的兴趣区域的较高分辨率图像。可以通过如下操作执行兴趣区域的超分辨：将高分辨率栅格与装置相机的分辨率下的栅格匹配，用从来自所述相机的图像得来的信息填充所述高分辨率栅格，以及接着填充所述栅格的尚未填充的其余点。
-
公开(公告)号：CN109685717A
公开(公告)日：2019-04-26
申请号：CN201811539090.6
申请日：2018-12-14
申请人： 厦门理工学院
CPC分类号： G06T3/4053 , G06N3/0454
摘要： 本发明提供了一种图像超分辨率重建方法、装置及电子设备，涉及图像处理技术领域，包括：获取待重建的低分辨率图像；通过预先建立的图像重建模型，将低分辨率图像重建为高分辨率图像；其中，图像重建模型是基于多尺度卷积融合神经网络建立的。本发明能够提升图像重建的效果。
-
公开(公告)号：CN109685716A
公开(公告)日：2019-04-26
申请号：CN201811537192.4
申请日：2018-12-14
申请人： 大连海事大学
CPC分类号： G06T3/4053 , G06N3/0445 , G06N3/084
摘要： 本发明公开了一种基于高斯编码反馈的生成对抗网络的图像超分辨率重建方法，包括对ImageNet数据集进行预处理，制作低分辨率图像与高分辨率图像一一对应的重建数据集；构建用于训练的生成对抗网络模型，在该模型中引入高斯编码反馈网络；将步骤A中得到的数据集依次输入到生成对抗网络中进行模型训练；将待处理的低分辨率图像输入训练好的生成对抗网络中的生成网络，得到高分辨率图像。通过构建生成网络和判别网络组成生成对抗网络，在生成网络和判别网络之间加入高斯编码反馈回路，为生成网络增加更多信息指导其进行训练，并通过改进亚像素卷积层结构，增加重要特征，减少无用信息，提升了重建效果。
-
公开(公告)号：CN109447904A
公开(公告)日：2019-03-08
申请号：CN201811222611.5
申请日：2018-10-19
申请人： 山东大学
IPC分类号： G06T3/40
CPC分类号： G06T3/4007 , G06T3/4053
摘要： 本发明公开了一种基于局部双二次多项式插值的数字图像放大方法，该方法包括以下步骤：对输入的低分辨率图像采用最小二乘方法计算每个像素点处的一阶偏导数；对一阶偏导数进行双二次样条插值，得到每对相邻像素中点处的一阶偏导数；遍历每个像素点，在[i-1,i+1]×[j-1,j+1]区域上以一阶偏导数作为插值条件，分别进行二次样条插值和Hermite插值产生新的像素点；将[i-1,i+1]×[j-1,j+1]区域分成9个子区域，并构造每个子区域的拟合曲面片；将每四个相邻像素处的曲面片加权组合，拼合到一起形成整体拟合曲面；整体拟合曲面重采样得到初次放大的高分辨率图像；计算残差图像并将放大的残差图像投影到高分辨率图像上，重复此步骤，直到达到停止条件则停止迭代，完成图像放大。本发明的方法生成的放大图像具有较高的精度和较好的视觉效果。
-
公开(公告)号：CN109146790A
公开(公告)日：2019-01-04
申请号：CN201810982770.9
申请日：2018-08-27
申请人： 深圳大学
IPC分类号： G06T3/40
CPC分类号： G06T3/4053
摘要： 本发明公开了一种图像重构方法、装置、电子设备和存储介质，可获取显微镜系统采集的目标样本的单帧的宽场图像I0以及设置与宽场图像I0的尺寸相同的数字模板Pi，其中i＝1…N；根据公式Ii＝I0*Pi，计算数字模板Pi对应的光强分布Ii；根据公式Ti＝∫Ii，计算光强分布Ii的积分Ti；获取显微镜系统的点扩散函数H；基于公式和已知的积分Ti、点扩散函数H以及数字模板Pi，求得未知的超分辨图像S，根据本发明实施例的方案，显微镜系统只需要采集单帧的图像即可进行图像重构得到超分辨图像S，大大提升了成像速度以及算法的时间分辨率，有利于观察目标样本的细胞内部组成物质的动态变化过程及进行机制分析。
-
公开(公告)号：CN109064398A
公开(公告)日：2018-12-21
申请号：CN201810773104.4
申请日：2018-07-14
申请人： 深圳市唯特视科技有限公司
发明人： 夏春秋
IPC分类号： G06T3/40
CPC分类号： G06T3/4053
摘要： 本发明中提出的一种基于残差密集网络的图像超分辨率实现方法，其主要内容包括：浅层特征提取、层级特征提取和密集特征融合，其过程为，首先将低分辨率图像输入网络，采用两个卷积层进行浅层特征的提取；然后，将浅层特征提取的信息输入到残差密集模块(RDB)中，以进行层级特征提取，此过程主要通过连续内存机制、局部特征融合(LFF)和局部残差学习(LRL)三个部分进行；最后，进行密集特征融合(包括全局特征融合和全局残差学习)，经过图像升级后即可得到高分辨率图像。本方法采用了残差密集模块(RDB)，充分利用了原始图像的层级特征，即能够将浅层特征和深层特征合并，使得处理过后的图像具有超高的分辨率。
-
公开(公告)号：CN109064396A
公开(公告)日：2018-12-21
申请号：CN201810666177.3
申请日：2018-06-22
申请人： 东南大学
IPC分类号： G06T3/40
CPC分类号： G06T3/4053 , G06T3/4023 , G06T3/4046
摘要： 本发明公开了一种基于深度成分学习网络的单幅图像超分辨率重建方法，包括：扩充训练样本图像并进行区域抽取以及退化操作，得到对应的高分辨率和低分辨率图像训练集；构建一个具有成分学习结构的深层网络，该网络先对输入的低分辨率图像进行全局成分分解，再利用从中提取的残差成分预测其在高分辨率空间的对应图像；在训练集上使用批处理随机梯度下降法和反向传播算法对构建的深度成分网络进行迭代训练，得到权值优化后的模型；利用训练好的成分网络重建低分辨率图像；将重建结果恢复到原先的彩色空间，得到超分辨率重建的最终输出。本发明方法不仅能够提升重建后超分辨率图像的质量，还能提高模型的运算速度。
-
公开(公告)号：CN106796716B
公开(公告)日：2018-11-16
申请号：CN201480082564.2
申请日：2014-08-08
申请人： 北京市商汤科技开发有限公司
IPC分类号： G06T5/00
CPC分类号： G06T3/4053
摘要： 公开一种用于为低分辨率图像提供超分辨率的设备。所述设备可包括：图像块提取与表示装置，其包括被配置成从所述低分辨率图像中提取图像块并且将所提取的图像块表示为高维向量的第一组滤波器；映射装置，其包括被配置成将每个所述高维向量非线性地映射为高分辨率图像块表示的第二组滤波器；以及聚合装置，其被配置成聚合所述高分辨率图像块表示，以生成所述低分辨率图像的高分辨率图像。还公开一种用于为低分辨率图像提供超分辨率的方法。
-
公开(公告)号：CN108765343A
公开(公告)日：2018-11-06
申请号：CN201810536626.2
申请日：2018-05-29
申请人： OPPO(重庆)智能科技有限公司
发明人： 张弓
CPC分类号： G06T5/10 , G06T3/4053 , G06T5/003 , G06T5/50 , G06T7/11 , G06T2207/20221
摘要： 本申请属于图像处理技术领域，尤其涉及一种图像处理的方法、装置、终端及计算机可读存储介质，其中，所述方法包括：对待处理图像进行上采样得到第一高分辨率图像；将所述第一高分辨率图像分割成多个第一图像块，并获取每个第一图像块的特征值；根据所述特征值确定每个第一图像块对应的训练好的滤波器，并利用每个训练好的滤波器对所述第一高分辨率图像中对应的第一图像块进行滤波得到第二高分辨率图像；将所述第二高分辨率图像与所述第一高分辨率图像进行融合，得到超分辨率图像，解决了传统技术中图像处理方法无法得到较清晰的图像的技术问题。
-
公开(公告)号：CN108369728A
公开(公告)日：2018-08-03
申请号：CN201680068669.1
申请日：2016-12-14
申请人： 三菱电机株式会社
IPC分类号： G06T3/40
CPC分类号： H04N5/23232 , G01C3/08 , G01S17/08 , G06K9/6215 , G06K9/6267 , G06T3/4053 , G06T7/0051 , G06T7/0081 , G06T2207/20021
摘要： 一种对感测到的测量值进行融合的方法和系统，该系统包括：深度传感器，该深度传感器用于获取场景的深度测量值作为帧序列；以及摄像机，该摄像机被配置成获取场景的强度测量值作为图像序列，其中，深度传感器的分辨率低于摄像机的分辨率。处理器在深度测量值的多个时间相邻帧中搜索相似片段，利用强度测量值将相似片段分组成块，利用事前约束提高所述块的分辨率以获得分辨率提高块，然后从分辨率提高块构建分辨率高于传感器的分辨率的深度图像。
-
-
-
-
-
-
-
-
-
搜索结果
536 条记录 (耗时 0.022 秒)
