基于多尺度细节特征融合神经网络的图像超分辨率方法

发明专利有效专利

申请号：
CN202110073381.6
IPC分类号：G06T3/40;G06T5/50
申请日期：
2021-01-20
申请人：
重庆邮电大学

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	基于多尺度细节特征融合神经网络的图像超分辨率方法
申请号	CN202110073381.6	申请日期	2021-01-20
法律状态	实质审查	申报国家	中国
公开/公告日	2021-05-07	公开/公告号	CN112767251A
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;T;5;/;5;0查看分类表>
申请人	重庆邮电大学	申请人地址	重庆市南岸区南山街道崇文路2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	重庆邮电大学	当前权利人	重庆邮电大学
发明人	戴大伟;刘达;张彬;徐嘉;夏书银;王国胤
代理机构	重庆辉腾律师事务所	代理人	卢胜斌

摘要

本发明属于图像超分辨率重建领域，具体涉及一种基于多尺度细节特征融合神经网络的图像超分辨率方法，该方法包括：获取待处理的图像，将待处理的图像输入到训练好的改进的深度神经网络模型中，得到高质量图像；本发明在提取特征的过程中，增加了原始图片中的高频信息，通过这种集成的方式，增加了网络的稳定性；另外在残差密集块方面，利用了多层的特征融合机制，增加了语义信息，也加入了通道特征筛选，使整个网络能够更好地表达；并且，在特征提取过程的每个阶段，即每个残差密集块后，加入损失计算，用于反向传播调整特征提取的过程，提高了网络的表达能力以及能够更好地学习重建高分辨率图片。

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