本发明公开了一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强方法，实施方式为对工业相机采集的原始图像数据按照图像类别进行标定，并通过降采样调整图像尺寸，生成各类别图像的灰度直方图，通过最大似然估计法拟合灰度直方图，获得原始图像像素值分布的概率密度函数f(x)，根据Box‑Muller算法或马尔可夫链蒙特卡洛采样算法生成近似符合概率密度函数为f(x)的二维随机噪声，最后结合WGAN‑GP和SRCNN搭建数据增强模型，通过逐层训练的方式避免生成对抗网络直接向高分辨率图像映射困难的弊端，进而得到高分辨率的生成图像，完成对原始图像数据集的增强。本发明有效降低了模型参数的冗余性，相比传统方法，生成图像的峰值信噪比提高13.07％，结构相似性提高32.40％。
📄 2023101889869
📂 G06T3_4076
👤 浙江工业大学
📅 2023-03-02
本发明具体涉及基于亚像素和梯度引导的光场图像超分辨率重建方法，包括：将目标光场图像输入超分辨重建模型得到超分辨率重建图像；训练时：将低分辨率光场图像和对应的梯度阵列作为模型输入；提取低分辨率光场图像和对应梯度阵列的多重亚像素特征；对光场和梯度多重亚像素特征进行特征表示增强；对光场和梯度多重亚像素增强特征进行特征融合得到多重亚像素融合特征；基于多重亚像素融合特征进行超分辨率重建，并将低分辨率光场图像经过双三次插值后与重建图像相加生成超分辨率重建图像；计算训练损失并优化模型参数直至收敛。本发明通过多重亚像素信息来弥补光场中的像素差异性，通过梯度先验来引导超分辨重建以保护重建图像的边缘纹理细节。
📄 2023108740183
📂 G06T3_4076
👤 重庆理工大学
📅 2023-07-17
本公开涉及计算机视觉领域，具体涉及一种基于偏振图像的零样本学习超分辨率重建方法和系统，所述方法包括如下步骤：获取偏振相机的原始偏振图像；所述原始偏振图像包括4个角度的偏振态图像，分别为0°、45°、90°和135°的偏振态图像，并集中在一幅图像上且无需分割的原始偏振图像；对采集到的原始偏振图像进行下采样，使用退化表征学习，获取不同退化形式的低分辨率图像；将退化过的低分辨率图像与原始偏振图像组成对，采用斯托克斯参量，基于保留偏振信息的损失函数对神经网络进行训练；将原始偏振图像作为训练后的神经网络的输入以输出重建的超分辨率图像。本公开可快速生成高精度超分辨率重建结果，有效保留图像中包含的偏振信息。
📄 202411274186X
📂 G06T3_4076
👤 华东交通大学
📅 2024-09-12
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
本发明涉及图像超分辨率技术领域，公开了一种基于梯度一致感知的空频域特征混合图像超分辨率方法，包括：构建空频域特征混合图像超分辨率网络，包括超分辨率分支和回归分支，超分辨率分支采用空频域特征混合模块对低分辨率图像提取不同尺度的混合特征，回归分支基于混合特征获得全分辨率图像，并基于不同尺度的混合特征重建低分辨率梯度图，所述低分辨率梯度图用于构建梯度一致感知学习损失函数，以训练所述空频域特征混合图像超分辨率网络。本发明全局挖掘可利用的高频信息，并对高分辨率梯度图以及重建的低分辨率梯度图施加一阶束缚，从而探索层次特征之间的全局依赖关系。
📄 2024114483843
📂 G06T3_4076
👤 华侨大学
📅 2024-10-17
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。
📄 2024114846141
📂 G06T3_4076
👤 华侨大学
📅 2024-10-23
本发明公开了一种基于多尺度注意力残差块和sadeWOA算法的降水数据降尺度方法，涉及气象数据处理技术领域，包括：获取气象数据和地形数据；构建多尺度注意力残差块；构建上采样模块，采取sub‑pixel convolution方法并另外增加卷积层以减少图像的块状伪影，提升数据质量；构建地形数据融合层，融入地形数据增强特征表示；构建TERAN模型；使用训练集和sadeWOA算法优化模型参数和超参数，利用训练后的模型处理低分辨率的数据，生成高分辨率的数据。本发明方法的问题，本发明方法通过深度学习和注意力机制增强模型对非线性气象过程的解析精度，有效提高了对局地极端降水事件的捕捉能力。
📄 2025112771516
📂 G06T3_4076
👤 南京信息工程大学,蓝湾海洋资源开发技术创新中心
📅 2025-09-09
本申请公开了一种基于分组策略的渐进式高光谱图像超分辨率方法，涉及新一代信息技术领域。本申请中所述的基于分组策略的渐进式高光谱图像超分辨率方法通过三个阶段的融合实现渐进式地提升特征图的空间分辨率，并在每个阶段均对多光谱图像中的空间和光谱信息以及高光谱图像中的空间和光谱信息进行充分融合，得到重建的高分辨率高光谱图像。相较于现有技术，本申请所述的高光谱图像超分辨率方法得到的重建的高分辨率高光谱图像中包含了更多的空间纹理信息和光谱信息，而且，重建的高分辨率高光谱图像更接近真值图像。
📄 2025100447297
📂 G06T3_4076
👤 齐鲁工业大学(山东省科学院)
📅 2025-01-13
本发明公开了一种T1mapping快速成像方法及系统，该方法包括：获取低时间分辨率的T1mapping图像序列；基于帧特征提取模块，将图像序列中的每一幅图像从低维空间映射到高维特征空间，获取每一幅图像的图像特征；基于缺失帧特征合成模块，根据获取的图像特征合成缺失帧图像特征；基于缺失帧特征增强模块，增强缺失帧图像特征；基于缺失帧重建模块，根据增强后的缺失帧图像特征，重建缺失帧图像；基于低时间分辨率的图像序列和重建的缺失帧图像，得到并输出高时间分辨率的图像序列。本发明利用时间超分辨率技术，通过更短的扫描时间获取完整的磁共振图像序列，并利用重建技术在最大程度上减少图像中的伪影，提高图像质量。
📄 2023112545997
📂 G06T3_4076
👤 烟台大学
📅 2023-09-26
本发明涉及医学图像处理技术领域，提供了一种集成MRI超分辨率与合成任务的系统及方法，所述系统通过图像预处理模块，对高分辨率MRI图像进行预处理，得到低分辨率MRI图像；再通过MRI超分辨率与合成模型训练模块，基于所述低分辨率MRI图像训练多任务自感知Transformer网络，得到MRI超分辨率与合成模型；最后利用图像生成模块，将实际低分辨率MRI图像输入至所述MRI超分辨率与合成模型生成超分辨率MRI图像和合成MRI图像。本发明通过设计自感知Transformer，结合通道注意力的全局信息提取能力和多头自注意力的远距离建模能力，能够充分挖掘多任务间的潜在表示；通过设计自适应高频增强重建模块，有效增强解码器的重建与合成能力，能够为精准医疗提供更准确的病理信息。
📄 202410338243X
📂 G06T3_4076
👤 山东师范大学
📅 2024-03-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台