一种基于无监督超分辨率的三维指纹方法，包括如下步骤：1)设计无监督超分辨率网络模型；2)使用系统采集的条纹投影指纹图像，通过无监督超分辨率神经网络模型来提高条纹投影指纹图像的分辨率，利用超分辨率后的图像进行三维重建，得到指纹的三维结构。本发明设计了一个无监督神经网络能够解决单一低分辨率条纹投影指纹的超分辨率，同时也改善结构光采集到的条纹投影指纹边缘模糊现象，从而使三维重建后的指纹图像更加清晰，精度更高。
📄 2023106877247
📂 G06T17_00
👤 浙江工业大学
📅 2023-06-12
一种基于分数阶梯度插值的超分辨率方法，其步骤依次如下：①首先构建基于分数阶的梯度模板：对插值的中心点建立6个方向的分数阶梯度模板，对插值边缘点建立9个方向的分数阶梯度模板；②然后通过图像相似性准则选择最优分数阶值及插值梯度：采用梯度相似的最小能量函数确定最优的分数阶值；③然后通过最小能量函数构建超分辨率图像；④之后通过金字塔法构建多比例超分辨率图像：每层比例为2，对每4个低分辨率像素点，插值1个中心点和4个边缘点。本发明可得到最优梯度值，获得的高分辨率图像有更高的相似度及更加清晰的纹理细节，并且在大比例下有较好的鲁棒性。
📄 2017101527097
📂 G06T7_49
👤 沈阳理工大学
📅 2017-03-15
本发明公开了一种基于对偶图的图像超分辨率方法。本发明通过引进图模型来探索图像内部像素的拓扑特性和自相似性。提出了基于向量的行图模型和基于向量的列图模型，将每个像素看成是一个节点的图模型，而是通过构造相似块组从而将每一列或每一行看成是一个节点，节点间的距离计算即为列向量或行向量之间的欧氏距离。最终得到的超分辨率的表达式的正则项为对偶图，二次项为超分辨组与字典的乘积、待处理组之间的偏差。最后引入了图像正则化技术，将图像处理后的偏差进行一个回传正则化迭代，进一步对提出的方法进行优化。本发明将图模型延伸到了向量节点模式，并非单一的像素节点模式，并应用在了图像超分辨率领域。
📄 2018101223414
📂 G06T3_40
👤 杭州电子科技大学
📅 2018-02-07
本发明公开了一种基于空‑谱信息深度利用的高光谱遥感影像超分辨率方法，首先按照设定的采样间隔从输入的高光谱遥感影像中选取波段，对选取的波段进行超分辨率处理；然后利用光谱间的相关性对未被选择的波段进行插值，得到一幅完整的高光谱影像；最后对经插值得到的高光谱遥感影像与最初输入的低分辨率高光谱遥感影像进行内部的自融合，进一步利用未被选择的波段的空‑谱信息，实现输入影像中所包含的全部空谱信息的深度利用，从而得到最终的高分辨率影像。本发明解决了现有技术中存在的高光谱遥感影像空间分辨率低难以实现高精度分类及属性分析的问题。
📄 2019103566080
📂 G06T5_00
👤 西安理工大学
📅 2019-04-29
本发明提出一种基于精准核估计的交替优化图像盲超分辨率重建方法，该方法在网络头部采用模糊核估计模块，接着将估计器和恢复器交替迭代作为推理的过程，将低分辨率图像输入到网络中，网络输出对应的高分辨率图像以及对应的模糊核。使用该方法可以在未知图像的退化方式的情况下生成质量更高的图像。
📄 2022107448140
📂 G06T3_40
👤 闽江学院
📅 2022-06-28
本发明公开了一种基于稳定扩散的真实世界图像超分辨率方法，涉及图像超分辨率技术领域，具体通过构建并训练增强先验引导扩散模型实现；所述增强先验引导扩散模型实现真实世界图像超分辨率的过程为：预处理模块根据低分辨率图像生成预处理图像，分割模块根据预处理图像生成对应的分割掩码图像，注意力融合模块根据预处理图像和分割掩码图像的潜在特征生成融合潜在特征；语义提示提取器从预处理图像提取高质量语义提示词输入去噪主干网络；控制网络基于融合潜在特征对去噪主干网络进行特征调制；去噪主干网络输出高分辨率图像。本发明在真实世界图像超分辨率任务上更注重图像高频细节和结构层次，保证了复原图像的真实性与一致性。
📄 2024114139460
📂 G06T3_4053
👤 华侨大学
📅 2024-10-11
本发明提供一种深度图像引导式超分辨率重建网络模型，包括梯度特征提取模块、深度特征提取模块、特征融合模块、扩散模块。本发明能够保留和融合与深度特征域相似的彩色图像特征，从而可以避免彩色图像纹理过度转移的负面影响，提高重建图像的质量；通过特征融合模块中，能够保证融合梯度特征和融合深度特征的深度融合，从而避免特征融合的不充分所产生的负面影响；此外，本发明利用扩散模块强大的数据分布模拟能力以及在引导信息的引导下，能够保证生成高分辨率的目标深度图像，使目标深度图像与真实图相似，从而减轻高分辨率深度图像生成的不确定性。
📄 2024109858399
📂 G06T3_4053
👤 华东交通大学
📅 2024-07-23
本发明公开了一种基于结构与纹理特征的图像超分辨率方法及系统，方法包括：构建具有结构和纹理特征提取能力的生成对抗网络，将超分辨率图像数据集输入至生成对抗网络中，训练并生成对应模型的权重，根据权重得到图像超分辨率模型，将待超分辨率图像输入至图像超分辨率模型中，图像超分辨率模型生成超分辨率后的高清图像。实现了通过融合图像的结构与纹理特征，提升图像超分辨率恢复效果，避免细节丢失，同时提供高效的性能优化和用户友好的界面，使得图像处理过程更为便捷。
📄 202510293350X
📂 G06T3_4076
👤 华东交通大学
📅 2025-03-13
本发明公开了一种多阶段渐进式图像超分辨率方法，包括：使用多尺度特征提取模块提取待重建的图像特征，并引入通道注意力模块，对不同通道特征赋予权重，从而增强重要通道特征的表现能力；采用残差特征融合机制，充分利用图像上下文特征的关联性，得到第一阶段中的重建图像；使用精细化模块，对第一阶段中得到的重建图像进行优化，从而得到更为精细的重建图像；采用损失函数进行训练，进一步提升模型的超分辨率效果。本发明方法有效提高了图像超分辨率重建的效果，在主观视觉和客观评价指标方面都获得了更好的效果。
📄 2021108589495
📂 G06T3_4053
👤 华侨大学
📅 2021-07-28
本发明涉及图像处理技术领域，公开了一种基于Transformer与卷积交互的轻量级图像超分辨率方法，包括以下步骤：S1，构建跨通道Transformer模块与高效局部特征提取模块；S2，构建反转U型网络模块；S3，构建全局特征提炼模块；S4，将反转U型网络模块与全局特征提炼模块组合起来，构建基于Transformer与卷积交互的轻量级超分辨率网络；网络输入低分辨率图像，输出高分辨率的重建图像。本发明使用较少参数与计算量，同时拥有更优的重建效果；通过Transformer与卷积的交互，兼顾图像的全局与局部细节；反转U型网络模块先在编码器阶段将关键信息转移至特征图维度上，再在解码器阶段将关键信息返回至通道维度中，以实现低资源耗费来融合多阶段信息的目的。
📄 2023108714028
📂 G06T3_40
👤 华侨大学
📅 2023-07-17
本发明公开了基于跨层混合注意力Transformer的单帧图像超分辨率方法及系统，涉及图像超分辨率领域，方法包括：提取低分辨率图像的浅层特征；采用多级混合注意力模块对浅层特征进行多次深层特征提取，保留每一级混合注意力模块的输出作为中间特征图，最后一级混合注意力模块的输出作为第一关联特征；捕捉各级中间特征图的多尺度上下文信息，得到第二关联特征；捕捉各级中间特征图之间的通道依赖关系，得到第三关联特征；对第一关联特征、第二关联特征和第三关联特征进行特征融合，得到深层全局特征；对深层全局特征进行上采样，得到重建的高分辨率图像。本发明提升了超分辨率中的图像信息利用率和细节重建能力，增强了全局特征表达能力。
📄 2023114374343
📂 G06T3_40
👤 华侨大学
📅 2023-11-01
本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图像，解决原有超分辨率模型提取的特征信息过于单一的问题，通过蒸馏剔除冗余特征，使模型更加轻量化。
📄 2023114752991
📂 G06T3_4053
👤 华侨大学
📅 2023-11-08
柿子坊 · 知识产权运营
柿子坊知识产权运营平台