基于深度学习的图像超分辨率重建

发明专利有效专利

申请号：
CN202110668604.3
IPC分类号：G06T3/40;G06N3/04;G06N3/08
申请日期：
2021-06-16
申请人：
桂林理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度学习的图像超分辨率重建
申请号	CN202110668604.3	申请日期	2021-06-16
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-07	公开/公告号	CN113362226A
优先权	暂无	优先权号	暂无
主分类号	G06T3/40 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T3/00 在图像平面内的图形图像转换，例如，从位像到位像地建立一个不同图像〔6〕 G06T3/40 整个或部分图形的定标〔6〕	IPC分类号	G;0;6;T;3;/;4;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	桂林理工大学	申请人地址	广西壮族自治区桂林市七星区建干路12号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	桂林理工大学	当前权利人	桂林理工大学
发明人	陆绮荣;吴止境;卢子任
代理机构	暂无	代理人	暂无

摘要

本发明提供了一种基于深度学习的图像超分辨率重建方法。具体步骤为：(1)图像的超分辨率重构。利用卷积神经网络(CNN)，从大量的训练数据中学习，得到低清晰度图片与高清晰度图片中的映射关系模型，使用映射关系模型，对测试集中图像进行基于CNN的超分辨率重构处理。(2)完成步骤(1)后，得到重构后的图像，再使用其作为低清晰度图像，采用Keras深度学习框架来定义生成器网络和判别器网络并且以VGG19预训练模型进行特征提取来构建SRGAN模型，最后对测试集中图像进行基于SRGAN的超分辨率重构处理。(3)完成步骤(2)即可实现基于深度学习的图像超分辨率重建。本发明方法使用方便、响应速度快、测量精度高、结构简单，并提高了现场检测速度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供