龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国科学院深圳先进技术研究院
摘要：本发明涉及图像处理的技术领域，公开了一种基于深度学习的单幅图像三维超分辨率重构方法，包括以下步骤：S01：输入单幅原始图像；S02：初始化用于重构高分辨率图像的神经网络；S03：将原始图像简单变换后生成第一训练图像；S04：通过第一训练图像生成低分辨率的第二训练图像；S05：将第一训练图像和第二训练图像输入神经网络进行训练，估算训练的损失，优化神经网络；S06：若未满足训练终止条件，则重复步骤S03‑S05进行迭代训练；若满足训练终止条件，则输入原始图像至训练完成后的神经网络，输出重构后的高分辨率图像。本发明通过有针对性的为单幅原始图像通过神经网络进行迭代训练，重构出符合要求的高分辨率图像。
主权项：1.一种基于深度学习的单幅图像三维超分辨率重构方法，其特征在于，包括以下步骤：S01：输入单幅需要进行重构的原始图像；S02：初始化用于重构高分辨率图像的神经网络；S03：将所述原始图像简单变换后生成第一训练图像；S04：通过图像处理所述第一训练图像生成低分辨率的第二训练图像；S05：将所述第一训练图像和所述第二训练图像输入所述神经网络进行训练，估算训练的损失，优化所述神经网络；S06：判断是否满足预设的训练终止条件，若未满足训练终止条件，则重复步骤S03-S05进行迭代训练；若满足训练终止条件，则输入所述原始图像至训练完成后的所述神经网络，输出重构后的高分辨率图像；在步骤S05中，在训练过程中，对所述第一训练图像和所述第二训练图像计算所述神经网络的损失函数，利用所述损失函数进行反向传播迭代，优化所述神经网络的参数；所述损失函数为均方差、0-1损失函数、感知损失函数、对数损失函数、Hinge损失函数或平均绝对误差；在步骤S02中，所述神经网络的参数包括网络层数、每层的参数数量、卷积核的大小以及初始化的方式；在步骤S03中，将所述原始图像裁剪或旋转一定角度生成所述第一训练图像；在步骤S04中，获得成像系统的点扩散函数，利用所述点扩散函数对所述第一训练图像进行卷积后，再通过降采样生成所述第二训练图像。
全文数据：
权利要求：
百度查询： 中国科学院深圳先进技术研究院 一种基于深度学习的单幅图像三维超分辨率重构方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号