专利名称：一种基于特征增强的遥感影像超分辨率重建方法和系统      申请号：2020106263010     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：遥感 超分辨率重建   相似专利 发布日：2024/06/28  
摘要： 本发明涉及一种基于特征增强的遥感影像超分辨率重建方法和系统，包括以下步骤：对原始高分辨率遥感影像数据集进行压缩操作，生成低分辨率遥感影像数据集；将所述低分辨率遥感影像数据集通过TE‑AGAN模型进行影像重建，生成超分辨率遥感影像数据集；将所述超分辨率遥感影像数据集和所述原始高分辨率遥感影像数据集输入判别网络进行训练，以迭代的训练方法训练该模型，直到网络收敛，生成超分辨率遥感影像转换网络模型；将低分辨率遥感影像输入已经训练好的所述超分辨率遥感影像转换网络模型，生成超分辨率遥感影像。本发明能根据数据集学习得到损失函数，从而避免根据经验设置损失函数引入额外的误差，保证超分辨率遥感影像的质量。

专利名称：一种基于对偶学习图网络的遥感影像超分辨率重建方法      申请号：2021109616714     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 超分辨率重建   相似专利 发布日：2024/06/28  
摘要： 本发明公开了一种基于对偶学习图网络的遥感影像超分辨率重建方法，包括：获取若干个目标特征块，在下采样特征中搜索与目标特征块最相似的k个特征块；得到目标特征块的高分辨率特征块，得到超分辨率重建图像；计算退化后的低分辨率图像和原始低分辨率图像之间的对偶误差，将对偶误差加入损失函数中；损失函数趋于稳定，模型收敛，输入超分辨率重建的遥感图像到超分辨率重建模型，得到低分辨率遥感图像对应的高分辨率遥感图像。通过图的构建，实现了特征跨尺度连接，实现了非局部聚合效果且相比于全局方法节省了计算资源；减小了超分辨率重建图解空间的大小，提升了超分精度和视觉效果。

专利名称：基于超分辨率风格迁移网络的遥感影像超分辨率重建方法      申请号：2020115377398     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 超分辨率重建   相似专利 发布日：2024/04/24  
摘要： 本发明公开了基于超分辨率风格迁移网络的遥感影像超分辨率重建方法，包括以下步骤：构建超分辨率风格迁移网络模型；所述超分辨率风格迁移网络模型包括生成部分和判别部分；所述生成部分由超分辨率重建网络SSR和U‑net网络连接而成；利用训练集交替训练所述生成部分和判别部分，得到训练完成的超分辨率风格迁移网络模型；将低分辨率的遥感影像输入至所述训练完成的超分辨率风格迁移网络模型，得到超分辨率遥感影像。本发明克服了传统超分辨率网络模型泛化能力差和重建影像纹理细节丢失等缺点，能够生成清晰度和纹理特征更加接近真实高分辨率遥感图像的重建影像。

专利名称：一种基于反投影注意力网络的图像超分辨率重建方法      申请号：2020111717634     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 超分辨率重建   相似专利 发布日：2024/07/26  
摘要： 本发明公开了一种基于反投影注意力网络的图像超分辨率重建方法，包括以下步骤：(1)利用图像退化模型建立数据集；(2)构建多尺度特征融合反投影注意力网络，所述多尺度特征融合反投影注意力网络包括图像特征提取模块、图像特征映射模块、全局注意力模块和图像重建模块；(3)训练多尺度特征融合反投影注意力网络并调整参数；(4)将待重建的图像输入训练好的多尺度特征融合反投影注意力网络得到重建后的图像。本发明仅通过相对较小的训练集就可以获得超越其他先进方法的重建质量，极大节约了训练成本；且使得重建的图像具有更加清晰锐利的边缘特征，更接近真实HR图像。

专利名称：改进的基于最近特征线流形学习的人脸超分辨率重建方法      申请号：2017108176161     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：改 港口 超分辨率重建   相似专利 发布日：2023/12/13  
摘要： 本发明公开了一种改进的基于最近特征线流形学习的人脸超分辨率重建方法，在现有基于最近特征线流形学习的人脸超分辨率重建方法的基础上，通过对于投影点落在两个样本点之间的连接线的外推线上的情况进行区分处理，即当投影点到两个样本点的欧氏距离之和大于两个样本点之间的欧氏距离的W倍，则从两个样本点中查找距离投影点较近的样本点替换投影点，形成待筛选点集，这样对投影点进行限制使得其与样本点具有更强的关联性，可以很大程度地提高新得到的样本数据对输入低分辨率图像块的表达能力，尽量避免引入原图像不存在的细节信息，提高低分辨率图像的重建效果。

专利名称：基于最近特征线的特征转换人脸超分辨率重建方法      申请号：2017108312289     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率重建   相似专利 发布日：2023/12/13  
摘要： 本发明公开了一种基于最近特征线的特征转换人脸超分辨率重建方法，通过将基于最近特征线流形学习的人脸超分辨率算法与基于局部特征转换的人脸超分辨率算法融合在一起进行人脸超分辨率重建，因此本方法与基于最近特征线流形学习的人脸超分辨率算法相比，使用了特征转换思想，在去除了大量噪声干扰的同时，还能够保持图像的大部分原始信息，主要表现为对噪声具有更好的鲁棒性；本方法与基于局部特征转换的人脸超分辨率算法相比，因为使用最近特征线思想提高了训练样本库的表达能力，使得重建的目标图像有了更好的高频局部细节信息，达到了很好的图像重建效果。

专利名称：一种医学图像超分辨率重建方法      申请号：2019100048408     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医疗 超分辨率重建   相似专利 发布日：2023/10/23  
摘要： 一种医学图像超分辨率重建方法，通过卷积层提取图像的特征信息并封装在一个胶囊结构中；然后，通过路由结构层运算输入并预测图像的高分辨率细节；最后，将得到的路由结构预测的胶囊残差特征图像与插值低分辨率图像进行融合重构，得到分辨率大幅提升的高分辨率图像，本发明提出了一种新的采用路由结构残差网络来对医学图像进行超分辨率重建。准确性、实时性、图像质量方面优于传统CNN方法如SRCNN，该方法精度高、重建速度快、鲁棒性好，在医学疾病等计算机辅助诊断系统等领域有广阔的应用前景。

专利名称：基于多帧融合光流的视频超分辨率重建方法      申请号：2020100652674     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 超分辨率重建   相似专利 发布日：2023/10/17  
摘要： 一种基于多帧融合光流的视频超分辨重建方法，由采集数据集、构建运动补偿网络、超分辨率重建网络步骤组成。本发明在多帧融合光流网络中，对于输入的多帧，能够充分利用帧内空间相关性，能够弥补损失细节，用融合后的光流作运动补偿，补偿帧与学习目标相似。在超分辨率重建网络中，用三维尺度特征提取层和时空残差模块提取补偿帧的图像特征，并采用亚像素卷积，得到高分辨率视频帧。对多帧融合光流网络和视频超分辨率重建网络，同时进行端到端的训练。采集的视频帧之间的时空信息，能够表达视频帧信息融合的特征，重建出效果良好的高分辨率视频帧。可应用于卫星图像、视频监控、医学成像、军事科技等技术领域。

专利名称：基于三通道卷积神经网络的单幅图像超分辨率重建方法      申请号：2020105231972     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 三 港口 卷积神经网络 超分辨率重建   相似专利 发布日：2023/10/17  
摘要： 本发明提供了图像处理领域的一种基于三通道卷积神经网络的单幅图像超分辨率重建方法，包括如下步骤：步骤S10、获取图像的数据集，并基于所述数据集创建复数张高分辨率图像以及高分辨率图像所对应的低分辨率图像；步骤S20、创建三通道卷积神经网络模型，并利用所述三通道卷积神经网络模型对各高分辨率图像和低分辨率图像进行训练，并生成低分辨率图像与高分辨率图像的映射关系；步骤S30、利用均方误差损失函数对所述映射关系进行优化；步骤S40、基于优化后的所述映射关系，将待重建的低分辨率图像输入所述三通道卷积神经网络模型，输出重建后的高分辨率图像。本发明的优点在于：实现不增加网络深度和模型参数的前提下，极大的提升了重建图像的质量。

专利名称：一种基于多尺度残差注意力的超分辨率重建方法      申请号：202111297538X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：注意力 超分辨率重建   相似专利 发布日：2023/09/20  
摘要： 本发明公开了一种基于多尺度残差注意力的超分辨率重建方法，具体包括如下步骤：步骤1，数据预处理；步骤2，构建基于多尺度残差注意力的特征提取模块；步骤3，构建基于残差注意力的特征增强模块及重建模块；采用本发明，通过实验结果表明，重建出的图像质量更高，细节纹理更加完整，丰富了人工智能和计算机视觉的方法体系，支撑了图像恢复领域的发展，为超分辨率重建领域提升重建质量提供了一种选择。

专利名称：一种基于改进生成对抗网络的图像超分辨率重建方法      申请号：2019103047430     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 改 港口 超分辨率重建   相似专利 发布日：2023/09/14  
摘要： 一种基于改进生成对抗网络的图像超分辨率重建方法，包括如下步骤：1)收集大量2k像素高质量图片，从中截取大量HR块，通过4倍下采样的方式得到对应的LR块，以此构建训练数据集。2)建立生成对抗网络模型，生成器网络G采用残差网络，条件判别器D同样采用残差网络。3)用相对判别器的思想改进生成对抗网络的训练损失函数，并在生成器损失函数中加入内容损失，在判别器损失函数中加入基于假数据的梯度惩罚项，再使用处理好的的训练数据集并采用Adam优化器对网络进行对抗训练，直到其收敛。4)由训练好的生成器网络完成对低像素图像的4倍超分辨率重建。

专利名称：单图像超分辨率重建方法      申请号：2016111255713     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率重建   相似专利 发布日：2023/09/14  
摘要： 本发明涉及一种单图像超分辨率重建方法，包括对原始图像进行预处理得到所对应的低分辨率图像；将所述低分辨率图像分为多个组；对各个组进行自适应字典学习，计算各个组的自适应学习字典；在各个组的自适应学习字典的基础上计算各个组的稀疏编码；对各个组的图像块进行恢复重建，对所有的组计算平均值并得到一个完整的高分辨率图像。采用该种方法，利用组作为稀疏表示单元稀疏表示图像，不仅具有良好的稀疏表示性能，而且在字典学习过程中需要解决一个小规模的优化问题，降低了计算复杂度；此外，图像块划分为组采用高斯距离度量考虑了图像块之间的非线性信息关系，更好地利用了图像的非局部自相似信息，重构的HR图像更加地清晰。

专利名称：基于跨尺度注意力网络的图像超分辨率重建模型及方法      申请号：2021102518176     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 注意力 超分辨率重建   相似专利 发布日：2023/09/04  
摘要： 本发明提供一种基于跨尺度注意力网络的图像超分辨率重建系统及方法，包括浅层特征提取模块、多尺度残差模块和重建模块；浅层特征提取模块用于提取低分辨率图像的浅层特征；多尺度残差模块包括若干个级联的高阶跨尺度注意力组、一个特征融合模块和一个全局残差加法器；高阶跨尺度注意力组与特征融合模块以级联方式连接，同时各个高阶跨尺度注意力组以其前一个高阶跨尺度注意力组的输入特征和输出特征作为输入。通过构建的图像超分辨率重建系统学习多尺度特征在跨尺度及尺度内的通道相关性，并根据相关性调整注意力权重，实现了多尺度特征的自适应调整，从而提高网络对特征的辨析学习能力，进而提高了图像超分辨率重建质量。

专利名称：基于深度残差网络的图像超分辨率重建方法及存储介质      申请号：2019109066967     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 音视频 网络传输 超分辨率重建   相似专利 发布日：2023/07/10  
摘要： 本发明请求保护一种基于深度残差网络的图像超分辨率重建方法，属于计算机视觉技术的图像重建领域。包括如下步骤：获取数据集、训练样本预处理、训练所提出的模型、利用训练好的模型进行图像重建。其中所提出的模型包含特征提取模块、堆叠的特征增强模块和重建模块。模型中的特征增强模块由一个增强单元和一个非线性化单元组成，增强单元通过不同路径下的卷积核提取不同种类的特征，非线性化单元负责提取多样的非线性特征。本发明用于图像超分辨率重建能增强特征增强模块的有效性，可以明显提高图像重建质量。

专利名称：基于注意力机制和双通道网络的图像超分辨率重建方法      申请号：2021105736933     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 注意力 注意力机制 超分辨率重建   相似专利 发布日：2024/03/07  
摘要： 本发明属于人工智能、深度学习和图像处理领域，具体涉及一种基于注意力机制和双通道网络的图像超分辨率重建方法，该方法包括：实时获取待检测图像，对待检测图像进行预处理；将预处理后的图像输入到训练好的图像超分辨率重建模型中，得到高清重建图；采用峰值信噪比和结构相似性对重建图进行评价，根据评价结果对高清重建图进行标记；图像超分辨率重建模型基础为卷积神经网络；本发明使用了双通道网络，一路网络使用改进的残差结构提取了有价值的高频特征‑即高级特征，一路网络使用改进的VGG网络，保证了输入输出的图像尺度大小一致，提取了丰富的低频特征，在最后进行特征融合，使得重建后的图像更清晰。

专利名称：一种基于精简卷积神经网络的快速视频超分辨率重建方法      申请号：2018104670956     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 卷积神经网络 超分辨率重建   相似专利 发布日：2023/10/23  
摘要： 本发明涉及一种基于精简卷积神经网络的快速视频超分辨率重建方法，其既能利用视频帧之间的邻域信息，又保证重建速度。首先，考虑到输入的尺寸大小会直接影响网络的运算速度，本发明网络省去传统方法的预插值过程，直接对多个低分辨率输入视频帧提取特征，并进行多维特征通道融合；接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，并采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频。同时，本发明还采用网络迁移策略快速实现了不同缩放因子下的重建模型，重建的视频图像中能够保留更多高频细节信息，同时重建速度更快。

专利名称：基于感知损失的光场图像角度超分辨率重建方法      申请号：2018101290368     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 超分辨率重建   相似专利 发布日：2023/07/21  
摘要： 本发明涉及一种基于感知损失的光场图像角度超分辨率重建方法，属于光场成像领域。该方法将预训练模型提取的图像高维特征的均方差作为损失函数，通过构建一个由四个残差块组成的网络模型，学习观测图像与目标视角图像之间的非线性映射关系，从而重建出新视角图像。本发明通过引入表达高维特征的感知损失，可以更好地保持超分辨率重建后新视角图像的纹理细节，拥有更好的视觉效果。

专利名称：一种基于细节特征的图像超分辨率重建方法      申请号：2019103761647     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 超分辨率重建   相似专利 发布日：2022/10/26  
摘要： 本发明公开了一种基于细节特征的图像超分辨率重建方法，具体按照以下步骤实施：步骤1、获取待训练图像；步骤2、对步骤1得到的待训练图像进行特征提取；步骤3、基于步骤2提取的图像特征进行图像重建；步骤4、采用损失函数对步骤3得到的重建图像进行训练，得到超分辨率图像。本发明的方法能够从低分辨率图像中提取细节特征进行超分辨图像重建。

专利名称：一种基于稀疏表示的红外图像超分辨率重建方法      申请号：2017101532790     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：表 港口 超分辨率重建   相似专利 发布日：2023/09/20  
摘要： 本发明公开了一种基于稀疏表示的红外图像超分辨率重建方法，步骤包括：步骤1、字典的训练，包括样本集的提取和子字典的训练，样本集的提取包括图像预处理和图像分块；子字典的训练包括样本块的聚类、子字典的训练；步骤2、重建高分辨率图像。本发明的方法，采用基于相关系数的自适应k‑means聚类算法将大量的训练样本集进行分类，然后针对每一个子类训练一个对应的高低分辨率字典对，字典对的大小则根据该类所含样本个数自适应决定，最终获得多个高低分辨率子字典对，通过计算待重建的图像样本块与每一个子类聚类中心的相关系数来选择子字典进行重建；该方法保证了红外图像超分辨率重建结果，重建速度显著提高。

专利名称：一种基于深度学习迭代上下采样的图像超分辨率重建方法      申请号：2020102457163     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 采样 深度学习 超分辨率重建   相似专利 发布日：2022/09/21  
摘要： 本发明涉及一种基于深度学习迭代上-下采样的图像超分辨率重建方法，方法包括：准备原始高分辨率图像，对原始高分辨率图像进行双三次插值得到低分辨率图像，将低分辨图像输入到构建好的神经网络中，先提取低分辨率图像特征，然后通过多个反向投影层的上-下采样模块逐层提取高分辨率图像特征，以能够更多的挖掘低分辨率图像和高分辨率图像之间的相互依赖关系，神经网络中的卷积均采用空洞卷积来增加感受野，提升网络对特征信息的敏感性，并引入稠密连接减少经过中间层传递导致信息的丢失，能够更好的利用低层特征信息，提高了图像重建的性能。