“大分辨率图像”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2175669个，建议您升级VIP下载更多相关专利

[发明专利]一种图像生成方法和装置-CN201810222294.0有效
发明人：谭文伟 -专利权人：华为技术有限公司
申请日： 2018-03-16 - 公布日： 2021-02-12 - 主分类号： G06T3/40 文献下载
摘要：本申请实施例提供一种图像生成方法和装置，涉及图像处理技术领域，能够解决采用ERM原则处理得出的图像过于平滑，缺少细节信息的问题。其方法为：确定低分辨率图像对应的至少一个细节定向低分辨率特征图和至少一个互补定向低分辨率特征图；确定至少一个细节定向低分辨率特征图中的每个细节定向低分辨率特征图对应的细节定向超分辨率图像；确定至少一个互补定向低分辨率特征图中的每个互补定向低分辨率特征图对应的互补定向超分辨率图像；根据细节定向超分辨率图像和互补定向超分辨率图像获取低分辨率图像对应的超分辨率图像。本申请实施例应用于图像超分辨率的过程中。
一种图像生成方法装置

[发明专利]一种基于深度学习的甲状腺彩超处理方法-CN202110619349.3在审
发明人：俞晔;方圆圆;姜婷 -专利权人：上海市第一人民医院
申请日： 2021-06-03 - 公布日： 2021-08-27 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及医学影像处理技术领域，公开了一种基于深度学习的甲状腺彩超处理方法，包括S1：获取甲状腺彩超真实的低分辨率图像和高分辨率图像，将真实的高分辨率图像定义为一类高分辨率图像；S2：对一类高分辨率图像进行变换，使一类高分辨率图像的甲状腺区域与低分辨率图像的甲状腺区域重合，将变换后的一类高分辨率图像定义为二类高分辨率图像；S3：构建卷积神经网络，利用低分辨率图像及对应的二类高分辨率图像训练卷积神经网络；S4：利用完成训练的卷积神经网络处理新的甲状腺彩超的低分辨率图像；该方法将低分辨率图像和变换后的高分辨率图像作为神经网络的训练集，重建的高分辨率图像更加接近真实的高分辨率图像，重建效果得到提升。
一种基于深度学习甲状腺处理方法

[发明专利]一种图像均衡增强的方法、系统、装置及存储介质-CN202110681163.0在审
发明人：金龙存;卢盛林 -专利权人：广东奥普特科技股份有限公司
申请日： 2021-06-18 - 公布日： 2021-09-21 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种图像均衡增强的方法、系统、装置及存储介质，该方法包括：收集待处理的低分辨率图像，通过图像超分辨率模型对所述低分辨率图像进行处理，生成高分辨率图像；收集训练样本，所述训练样本含低分辨率图像样本和高分辨率图像样本，根据收集的训练样本，基于预设损失函数和高分辨率图像样本建立图像超分辨率模型。本发明通过训练好的图像超分辨率模型实现对由低分辨率图像恢复为高分辨率图像的效果，而且能融合面向评价指标的方法和感知驱动方法的优点，进一步提升单幅图像超分辨率的恢复效果，可广泛的应用于图像处理技术领域。
一种图像均衡增强方法系统装置存储介质

[发明专利]图像数据标注方法、装置、设备及可读存储介质-CN202010879901.8在审
发明人：邹冲;朱超杰;汪飙;侯鑫;殷磊;吴海山 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-08-27 - 公布日： 2020-11-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种图像数据标注方法、装置、设备及可读存储介质，所述方法包括：获取高分辨率图像中的第一标注区域；将所述第一标注区域映射到待标注的低分辨率图像中，得到所述低分辨率图像中的第二标注区域，其中，所述低分辨率图像与所述高分辨率图像对应的实际区域相同，且所述低分辨率图像的分辨率低于所述高分辨率图像的分辨率；对所述低分辨率图像中所述第二标注区域进行标注得到图像标注数据。本发明实现对低分辨率图像中目标物的精确标注。
图像数据标注方法装置设备可读存储介质

[发明专利]融合全局特征与局部信息的人脸图像超分辨率处理方法-CN200910056694.X无效
发明人：刘欢喜;吕晓威;李雄;刘允才 -专利权人：上海交通大学
申请日： 2009-08-20 - 公布日： 2010-01-27 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种融合全局特征与局部信息的人脸图像超分辨率处理方法，具体涉及一种利用图像金字塔，对低分辨率人脸图像金像处理得到高分辨率人脸图像的方法，包括：(1)建立高分辨率人脸图像的可操纵金字塔数据库；(2)求一幅低分辨率人脸图像的全局高分辨率图像；(3)建立高分辨率残差人脸图像数据库；(4)计算输入低分辨率人脸图像的全局高分辨率图像；(5)计算输入低分辨率人脸图像的高分辨率残差人脸图像；(6)计算输入低分辨率人脸图像的最终高分辨率图像
融合全局特征局部信息图像分辨率处理方法

[发明专利]一种基于深度学习分步实现超分辨成像的方法-CN202010261626.3有效
发明人：舒学文;邓啟晟;朱泽策 -专利权人：华中科技大学
申请日： 2020-04-03 - 公布日： 2022-03-18 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于深度学习分步实现超分辨成像的方法，包括以下步骤：S1、将待处理的低分辨率图像输入到预训练好的神经网络中，得到中间分辨率图像；S2、将所得中间分辨率图像放大k倍后进行切割，使其分辨率与待处理的低分辨率图像的分辨率相匹配；其中，k为待处理的低分辨率图像与中间分辨率图像的像素分辨率的比值；S3、将切割后的图像依次输入到上述预训练好的神经网络中，并将所得图像按照原切割顺序进行拼接，将所得拼接后的图像缩小为原来的1/k，得到高分辨率图像本发明通过分块分步的提高图像的分辨率，克服了由于低分辨率图片与高分辨率图片之间差异性过大所导致用于图像转换的神经网络性能较低的问题，所得超分辨率图像效果较好。
一种基于深度学习分步实现分辨成像方法

[发明专利]一种图像超分辨率方法、装置、计算机设备及存储介质-CN202211159314.7在审
发明人：李岩山;胥帆 -专利权人：深圳大学
申请日： 2022-09-22 - 公布日： 2023-07-25 - 主分类号： G06T3/40 文献下载
摘要：本申请实施例属于图像处理技术领域，涉及一种图像超分辨率方法、装置、计算机设备及存储介质。该方法包括：接收携带有待测低分辨率SAR图像的图像超分辨率请求；将待测低分辨率SAR图像输入至SAR图像超分辨率网络进行图像超分辨率操作，得到初始超分辨率图像；将初始超分辨率图像输入至训练好的目标可见光图像转化网络进行可见光图像转化操作，得到初始可见光图像；将初始超分辨率图像以及初始可见光图像输入至训练好的可见光特征融合模块进行特征融合操作，得到目标超分辨率图像；输出目标超分辨率图像。本申请在原本的SAR图像的超分辨率网络中引入可见光图像信息，根据可见光特征融合模块融合SAR图像特征以及可见光特征，从而得到高分辨率的图像。
一种图像分辨率方法装置计算机设备存储介质

[发明专利]用于深度学习图像超分辨率的系统和方法-CN201810310847.8在审
发明人：穆斯塔法·坎依;任昊宇;李正元 -专利权人：三星电子株式会社
申请日： 2018-04-09 - 公布日： 2018-10-23 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种用于超分辨率成像的方法，该方法包括：由处理器接收低分辨率图像；由所述处理器生成中等高分辨率图像，与所述低分辨率图像相比，所述中等高分辨率图像具有提高的分辨率；由所述处理器基于所述中等高分辨率图像和所述低分辨率图像生成最终高分辨率图像；以及由所述处理器将所述最终高分辨率图像发送到显示设备从而进行显示。
高分辨率图像处理器低分辨率图像超分辨率成像超分辨率显示设备学习图像分辨率

[发明专利]一种基于MCA和字典学习的车牌超分辨率重构方法-CN201510190609.4在审
发明人：尹宏鹏;柴毅;李艳霞;邢占强 -专利权人：重庆大学
申请日： 2015-04-21 - 公布日： 2015-08-26 - 主分类号： G06T5/00 文献下载
摘要：该发明提供了一种基于MCA和字典学习的车牌超分辨率重构方法，把车牌图像视为结构部分和纹理部分的线性组合，利用高、低分辨率字典对低分辨率的车牌图像进行超分辨率重构。具体步骤如下：步骤一：将低分辨率测试车牌图像插值到与目标高分辨率图像相同尺寸，采用MCA算法把插值图像分解成纹理部分和结构部分；步骤二：低分辨率图像通过KSVD方法得到低分辨率字典和稀疏系数，利用系数和高分辨率图像计算高分辨率字典步骤三：利用高、低分辨率字典对分块后的低分辨率图像进行超分辨率重建，合并重建后的图像块得到高分辨率图像的纹理部分，与插值图像结构部分相加，即得到高分辨率图像。本发明重构得到的车牌图像能够较好地保持图像的边缘、纹理信息。
一种基于 mca 字典学习车牌分辨率方法

[发明专利]基于同尺度结构自相似与压缩感知的单图像超分辨率方法-CN201210193078.0有效
发明人：潘宗序;禹晶;孙卫东 -专利权人：清华大学
申请日： 2012-06-12 - 公布日： 2012-10-24 - 主分类号： G06T5/00 文献下载
摘要：一种基于同尺度结构自相似与压缩感知的单图像超分辨率方法，首先将低分辨率图像进行插值获得准高分辨率图像；再将准高分辨率图像分成准高分辨率图像块，将每个准高分辨率图像块所对应的向量作为训练样本并组成样本矩阵，利用K-SVD字典学习方法求解获得字典；将低分辨率图像分成低分辨率图像块；利用降采样矩阵、字典以及每个低分辨率图像块所对应的向量，通过OMP方法求解得到高分辨率重构图像块所对应的向量；最后，将高分辨率重构图像块所对应的向量组合起来形成高分辨率重构图像，本发明将基于压缩感知和基于图像结构自相似性的超分辨率方法有机地结合起来，将附加信息通过压缩感知框架加入到高分辨率重构图像中从而实现空间分辨率的提升。
基于尺度结构相似压缩感知图像分辨率方法

[发明专利]一种基于深度学习的图像超分辨率方法-CN201911367200.X在审
发明人：郑泽宇;温苗苗;尚文祥 -专利权人：杭州知衣科技有限公司
申请日： 2019-12-26 - 公布日： 2020-02-07 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及服装时尚与智能图像技术领域，具体涉及一种基于深度学习的图像超分辨率方法。该方法为：步骤1、构建判别图像数据库，训练图像分辨率判别模型；步骤2、构建超分辨率图像数据库；步骤3、训练超分辨率图像生成模型；步骤4、利用步骤1的图像分辨率判别模型判断待处理图像是否为低分辨率，如是，利用步骤3的超分辨率图像生成模型，生成超分辨率图像，如否，则不作处理。该方法构建了自动判别图像分辨的模型，针对低分辨率图像进行超分辨率处理，本算法支持原始尺寸低分辨图像输入，不需要做差值放大到超分辨率后的尺寸，节省了计算资源，计算速度更快；并且支持多尺度超分辨输出，按实际需要选取不同的超分辨率效果
超分辨率图像构建超分辨率判别模型生成模型超分辨率处理低分辨率图像图像超分辨率待处理图像低分辨图像图像分辨率图像数据库差值放大低分辨率计算资源算法支持训练图像智能图像自动判别超分辨多尺度分辨率分辨数据库图像时尚输出服装学习

[发明专利]一种基于学习的单帧人脸图像超分方法及装置-CN201810439010.3有效
发明人：张樯;侯棋文;赵凯;张挺;李斌 -专利权人：北京环境特性研究所
申请日： 2018-05-09 - 公布日： 2022-02-18 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及图像处理技术领域，提供了一种基于学习的单帧人脸图像超分方法及装置，该方法包括：根据训练用的高分辨率图像及对应的低分辨率图像分别建立低分辨率字典和高分辨率字典，其中所述低分辨率图像由所述高分辨率图像降采样后获得；根据所述低分辨率字典计算特征空间下的低分辨率字典，根据测试用的低分辨率图像计算特征空间下的低分辨率输入的新特征，并计算通过特征空间下的低分辨率字典训练得到的编码系数；基于所述编码系数和高分辨率字典重建超分后的高分辨率图像本发明可以满足对低分辨率人脸的高分辨率显示，从而提升人脸识别的准确率。
一种基于学习单帧人脸图像方法装置

[发明专利]图像去噪方法及装置、电子设备和存储介质-CN202210590028.X在审
发明人：赵昱植;严琼 -专利权人：深圳市慧鲤科技有限公司
申请日： 2022-05-27 - 公布日： 2022-08-30 - 主分类号： G06T5/00 文献下载
摘要：本申请实施例提供一种图像去噪方法及装置、电子设备和存储介质，该图像去噪方法包括：获取原始分辨率的原始图像对应的N个不同分辨率的待处理图像，获取原始掩码矩阵对应的N个不同分辨率的掩码矩阵，原始分辨率为N个不同分辨率中最高的分辨率，N为大于或等于2的整数；将第一分辨率的图像和第一分辨率的掩码矩阵进行融合处理，得到第一分辨率的处理图像，第一分辨率为N个不同分辨率中的任一个；在第一分辨率等于原始分辨率的情况下，第一分辨率的处理图像为图像去噪的结果图像本申请实施例可以提高图像的去噪效果。
图像方法装置电子设备存储介质

[发明专利]多目标场景图像分辨率提升方法、装置、设备和介质-CN202211092795.4在审
发明人：郭金林;老松杨;汤俊;李欣炜 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-08 - 公布日： 2022-10-11 - 主分类号： G06T3/40 文献下载
摘要：本申请涉及多目标场景图像分辨率提升方法、装置、设备和介质，方法包括：获取低分辨率的多目标场景图像；调用基于DRN架构的超分辨率网络模型；将低分辨率的多目标场景图像输入训练好的超分辨率网络模型，通过更新超分辨率网络模型中的顺映射网络生成高分辨率的多目标场景图像；将低分辨率的多目标场景图像和高分辨率的多目标场景图像输入截断的VGG19网络进行特征提取，得到低分辨率的多目标场景图像和高分辨率的多目标场景图像的特征图；将特征图代入超分辨率网络模型的损失函数计算均方误差；输出均方误差后的高分辨率的多目标场景图像。大幅提高了生成的多目标场景图像分辨率。
多目标场景图像分辨率提升方法装置设备介质

[发明专利]基于稀疏表示的图像超分辨率重建方法-CN201310296581.3有效
发明人：田岩 -专利权人：苏州新视线文化科技发展有限公司
申请日： 2013-07-16 - 公布日： 2013-10-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于稀疏表示的图像超分辨率重建方法，包括样本训练步骤和图像超分辨率重建步骤；所述样本训练步骤包括：计算低分辨率图像的梯度信息和高分辨率图像与低分辨率图像的残差信息；通过稀疏表达方法得到低分辨率特征集合和高分辨率特征集合；所述图像超分辨率重建步骤包括：计算待处理低分辨率图像的梯度信息；在低分辨率特征集合中找到其稀疏表示系数向量；在高分辨率特征集合中找到对应的残差信息，将此残差信息融合到低分辨率图像上，获得高分辨率图像。本发明得到的高分辨率图像细节更丰富、边缘更清晰，具有更好的视觉效果。本发明可在标清视频转换成高清视频中应用。
基于稀疏表示图像分辨率重建方法