公开(公告)号：CN119477703A

公开(公告)日：2025-02-18

申请号：CN202411583901.8

申请日：2024-11-07

Applicant: 天津大学

Inventor： 沈丽丽 ,  张晶 ,  王宇 ,  孙也 ,  雷建军 ,  潘兆庆

IPC: G06T3/4076 ,  G06T3/4023 ,  G06T3/4084

Abstract: 本发明公开了一种基于频率分离的渐进式特征提取的立体图像超分辨率方法，具体涉及图像超分辨率技术领域。本发明所提出的方法包括以下步骤：对低分辨率图像进行预处理；将输入图像送入双频率特征提取模块，通过频率感知注意力构建单视图图像的结构性和纹理性依赖关系；通过渐进式立体特征融合模块，整合不同层次的相关信息，并进一步指导左右视图之间的低频和高频信息的融合；最后，将左右视图不同层级的特征级联后送入重建部分，得到最终的超分辨率图像，并利用频域损失平衡高频和低频信息。本发明在保证全局一致性的基础上有有效地提高了立体超分辨率图像的质量。

公开(公告)号：CN119477701A

公开(公告)日：2025-02-18

申请号：CN202411291523.6

申请日：2024-09-14

Applicant: 江苏科技大学

Inventor： 邵海见 ,  郭子涵 ,  邓星

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于密集Unet扩散模型的零样本图像超分辨率重建方法及系统，包括：采用训练的密集Unet扩散模型进行零样本图像超分辨率重建方法；密集Unet扩散模型是在无分类器引导的扩散模型的向前扩散过程中，引入密集Unet网络结构得到；密集Unet网络结构是在Unet网络结构的基础上，在每一层编码器和每一层解码器中增加两个DRB模块；每个DRB模块均包括时间步编码层、标签编码层、密集残差块和时间标签直接嵌入标准化层；密集残差块包括四个卷积层及参数修正线性单元；每个特征图密集连接；时间标签直接嵌入标准化层用于首先嵌入来自时间步编码层的时序编码特征再与来自标签编码层的标签编码特征求和，从而将信息直接嵌入到密集残差块。

公开(公告)号：CN118941722B

公开(公告)日：2025-02-18

申请号：CN202411420813.6

申请日：2024-10-12

Applicant: 深圳大学

Inventor： 李存宝 ,  谢和平 ,  赵江鹏 ,  刘一飞 ,  胡建军 ,  张世新 ,  李俊

IPC: G06T17/00 ,  G06T7/136 ,  G06T7/187 ,  G06T3/4076 ,  G06T3/4046 ,  G06N3/0455

Abstract: 本发明公开了月壤颗粒的三维形貌识别及重构方法、系统、终端及介质，涉及三维重构技术领域。方法包括：获取月壤颗粒集；对月壤颗粒集进行拍摄，得到月壤颗粒集的二维图片；对二维图片进行分割，得到各月壤颗粒的颗粒图片；将每一月壤颗粒的颗粒图片输入已训练的升维重构模型，得到重构三维形貌数据；升维重构模型包括编码器和解码器；编码器用于根据输入的颗粒图片，提取不同维度的若干特征图；解码器用于对各特征图进行三维反卷积，得到重构三维形貌数据。本发明仅需一台拍照设备获取月壤颗粒集的二维图片，结合已训练的升维重构模型，即可实现端到端的升维重构，获得月壤颗粒的三维形貌数据，降低了获取三维形貌信息的时间和成本。

公开(公告)号：CN119006292B

公开(公告)日：2025-02-14

申请号：CN202411484614.1

申请日：2024-10-23

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  阮淼华 ,  王一凡 ,  舒泊智 ,  董雨昕 ,  黄静

IPC: G06T3/4076 ,  G06N3/0455 ,  G06N3/0464 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/77

Abstract: 本发明公开了一种基于稳定扩散模型的快速人脸图像超分辨率方法及系统，涉及图像超分辨技术领域，方法包括以下步骤：构建基于稳定扩散模型的人脸图像超分辨率模型，包括稳定扩散模型、引导提取模块和引导注入模块，引导提取模块根据输入的人脸低分辨率图像生成视觉引导和文本引导，引导注入模块将视觉引导和文本引导注入到稳定扩散模型，稳定扩散模型基于视觉引导和文本引导生成复原图像作为人脸高分辨率图像；对人脸图像超分辨率模型进行训练；利用训练好的人脸图像超分辨率模型实现快速人脸图像超分辨率。本发明结合视觉引导和文本引导来微调稳定扩散模型，不仅可以大幅提升人脸图像的真实性并保持相当的一致性，并且加快了复原速度。

公开(公告)号：CN119048357B

公开(公告)日：2025-01-24

申请号：CN202411538911.X

申请日：2024-10-31

Applicant: 中科南京人工智能创新研究院

Inventor： 杨波 ,  李成华

IPC: G06T3/4076 ,  G06T3/4046 ,  G06T5/94 ,  G06N3/0464 ,  G06T7/11

Abstract: 本发明公开了一种基于扩散、分割和超分辨率模型的去阴影方法及系统，该方法包括读取原始图像，降低原始图像的分辨率；将降低分辨率后的图像输入预训练的多尺度级联扩散模型中，得到去阴影后的图像；基于预训练的超分辨率模型，将去阴影后的图像的分辨率还原为原始图像的分辨率；将原始图像输入预训练的图像分割模型，在原始图像中分割出阴影的图像切片集合；将其和预定义的类别文本列表输入预训练的多模态语言视觉模型，得到切片子集；将还原分辨率后的图像和切片子集进行融合，得到最终的图像。本发明实现了高效的阴影去除和图像细节增强，显著提升了图像阴影去除的效果和处理后图像的质量，满足了不同场景下的图像去阴影需求。

公开(公告)号：CN119313567A

公开(公告)日：2025-01-14

申请号：CN202411360954.3

申请日：2024-09-27

Applicant: 湘潭大学

Inventor： 覃添 ,  卜丽静 ,  张正鹏 ,  杨银 ,  邓明军 ,  王竞雪

IPC: G06T3/4076 ,  G06T7/13 ,  G06T7/269

Abstract: 本发明涉及一种非参局部自适应超分辨率视频超分辨率重建方法，属于数字图像处理技术领域，特别适用于在复杂动态运动场景中从低分辨率视频序列重建高分辨率图像。该方法通过全局运动估计，结合局部灰度差异损失函数及BTV正则化项，建立了一个视频时空域的非参局部自适应超分重建模型。通过引入权重矩阵和自适应阈值参数，减少运动估计误差对重建结果的影响，并采用梯度下降法进行迭代优化。该方法能够在复杂运动场景下有效重建高分辨率图像，提高局部细节的重建精度，增强对运动误差的鲁棒性。

公开(公告)号：CN119251912A

公开(公告)日：2025-01-03

申请号：CN202411474595.4

申请日：2024-10-22

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 郭标 ,  郭方敏 ,  罗笑南

IPC: G06V40/20 ,  G06V10/42 ,  G06V10/46 ,  G06V10/82 ,  G06T3/4076 ,  G06N3/08 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/774

Abstract: 本发明属于基于深度神经网络的计算机视觉领域，公开了一种轻量化的人体姿态估计方法。在本方法中，通过设计的轻量化方法实时对人体姿态进行识别。提出了一个近似单分支的轻量化全局建模网络LGM‑Pose。在这个网络中，设计全局特征提取模块，通过提出的无参数维度变换子模块和MLP Block，实现全局信息的轻量化提取。并设计了一个卷积特征融合模块通过混洗操作和分组卷积来融合多尺度信息，缓解单分支结构缺少多尺度联合而带来性能下降问题。在COCO数据集上的实验结果表明，相比当前人体姿态估计领域轻量化方法，本文提出的方法具有更少的参数，同时取得了更优良的性能。

公开(公告)号：CN119251055A

公开(公告)日：2025-01-03

申请号：CN202410941975.8

申请日：2024-07-15

Applicant: 麦克奥迪实业集团有限公司

Inventor： 刘三亚 ,  翁骁 ,  陈木旺

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/045 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/84

Abstract: 基于改进的扩散模型的显微图像超分辨率重建方法，包括：获取成对的高分辨率图像和相应低分辨率图像作为数据集；利用所述训练集训练改进的扩散模型；使用插值算法将给定的低分辨率图像进行上采样到高分辨率图像，将低分辨率图像和对应的高分辨率图像输入到训练好的改进的扩散模型中，得到相对应的超分辨率图像，引入了一种高效的扩散模型，提高了推理效率，重建效果好。

公开(公告)号：CN119180754A

公开(公告)日：2024-12-24

申请号：CN202410446666.3

申请日：2024-04-15

Applicant: 湖南理工学院

Inventor： 周峰 ,  熊益彬 ,  周泽宇 ,  杨宣兵

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/0464 ,  G03H1/22 ,  G03H1/08

Abstract: 本发明公开了一种频率感知的物理引导神经网络的全息重建方法及系统，涉及图片全息重建技术领域，包括采集标签数据对集合；采用训练集进行频率感知数据驱动网络训练，得到一个预训练网络模型；根据成像光路搭建实际环境的全息成像系统，并对全息成像系统进行准直操作，使用搭建好的全息成像系统对真实物体进行测量获得一张全息图；将获取的全息图输入到训练好的网络模型中，并在网络模型的基础上，加入成像的正向模型进行迭代优化，最后输出增强优化后的全息重建图。本发明能够同时兼具普适性与成像质量，通过将物理正向模型与傅里叶域学习纳入网络推理，很大程度上减少了数字全息重建的不适定性，将助力高通量3D显微成像。

公开(公告)号：CN119173905A

公开(公告)日：2024-12-20

申请号：CN202380039057.X

申请日：2023-05-05

Applicant: 莱雅公司

Inventor： P-A·博卡里斯 ,  V·马瑞克 ,  F·弗拉芒 ,  B·阿斯肯纳齐

IPC: G06T7/00 ,  G06T17/00 ,  G16H50/20 ,  G06T3/4076 ,  G06Q30/0601

Abstract: 本发明的主题是一种用于对用户皮肤区域中的关注元素进行建模的方法，该方法包括：(i)获取关注区域的至少一个RGB或灰度输入图像，(ii)获取关注区域的至少一个高分辨率或中等分辨率2D输入图像，(iii)对用户的关注区域进行3D形式的重建。