龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：四川新视创伟超高清科技有限公司
申请日：2024-05-20
公开（公告）日：2024-06-14
公开（公告）号：CN118195903A
主分类号：G06T3/4053
分类号：G06T3/4053;G06T3/4046;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明提供一种基于深度学习的超分辨率图像复原方法及其复原系统，属于图像处理技术领域，通过收集待复原图像同领域的低分辨率图像样本及其对应的高分辨率图像样本，构建包含多尺度特征提取模块的卷积神经网络，提取预处理后的低分辨率图像样本在多个尺度下的增强特征，对多个尺度下的增强特征进行渲染处理，以合成非常规降质图像中丢失的高频细节以及增强非常规降质图像中的纹理特征，利用经过处理的低分辨率图像样本及其对应的高分辨率图像样本训练残差网络模型，得到训练好的残差网络模型，将待复原图像输入训练好的残差网络模型，即可输出复原后的超分辨率图像，显著提升复原图像质量，有效恢复高频细节，增强纹理特征，提高视觉体验。
主权项：1.一种基于深度学习的超分辨率图像复原方法，其特征在于，所述复原方法包括以下步骤：S1：收集待复原图像同领域的低分辨率图像样本及其对应的高分辨率图像样本，并对所述低分辨率图像样本进行预处理，其中，所述低分辨率图像样本为非常规降质图像；S2：构建包含多尺度特征提取模块的卷积神经网络，并通过所述卷积神经网络的多尺度特征提取模块提取预处理后的低分辨率图像样本在多个尺度下的增强特征；S3：对多个尺度下的增强特征进行渲染处理，以合成非常规降质图像中丢失的高频细节以及增强非常规降质图像中的纹理特征，其中，所述渲染处理包括利用光线追踪细节合成网络合成丢失的高频细节，以及根据材质属性定制化地选用纹理合成方法增强对应的纹理特征；S4：利用经过步骤S1、步骤S2和步骤S3处理的多个尺度下的低分辨率图像样本及其对应的高分辨率图像样本训练残差网络模型，得到训练好的残差网络模型；S5：将待复原图像输入训练好的残差网络模型，输出复原后的超分辨率图像。
全文数据：
权利要求：
百度查询： 四川新视创伟超高清科技有限公司 基于深度学习的超分辨率图像复原方法及其复原系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号