[发明专利]基于多层梯度约束回归的单幅图像超分辨率重建方法有效
| 申请号： | 201710170298.4 | 申请日： | 2017-03-21 |
| 公开（公告）号： | CN106981046B | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 何小海;陈洪刚;卿粼波;滕奇志;吴小强;王正勇;陶青川 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610065 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于多层梯度约束回归的单幅图像超分辨率重建方法。主要包括以下步骤：利用训练图像，在梯度及残差域分别学习多层的的回归模型；将输入低分辨率图像插值，得到初始高分辨率图像；将当前的高分辨率图像作为输入，利用当前层对应的梯度及残差域回归模型分别估计出梯度及残差；根据当前层估计的梯度及残差，构建并优化重建代价函数，得到当前层的重建结果；以上一层重建结果作为新的高分辨率图像，重复执行以上两个步骤，直到达到最大重建次数，最后输出即为最终重建结果。本发明所述方法可以由低分辨率图像重建高质量的高分辨率图像，并有较快的重建速度，其可应用于军事、遥感、医疗等领域。 | ||
| 搜索关键词： | 基于 多层 梯度 约束 回归 单幅 图像 分辨率 重建 方法 | ||
【主权项】：
1.基于多层梯度约束回归的单幅图像超分辨率重建方法，其特征在于包括以下步骤：步骤一：利用训练图像，在梯度及残差域分别学习多层的回归模型；步骤二：将输入低分辨率图像插值，得到初始高分辨率图像；步骤三：将当前的高分辨率图像作为输入，利用当前层对应的梯度及残差域回归模型分别估计出梯度及残差；步骤四：根据步骤三估计的梯度及残差，构建并优化重建代价函数，得到当前层的重建结果；步骤五：以步骤四的重建结果作为新的高分辨率图像，重复执行步骤三和四，直到达到最大重建次数，最后输出即为最终的重建结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川大学，未经四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710170298.4/，转载请声明来源钻瓜专利网。
