[發(fā)明專利]一種基于信息過濾網(wǎng)絡的圖像超分辨實現(xiàn)算法在審
| 申請?zhí)枺?/td> | 201910357438.8 | 申請日: | 2019-04-29 |
| 公開(公告)號: | CN110223224A | 公開(公告)日: | 2019-09-10 |
| 發(fā)明(設計)人: | 龍飛;胡建國;張海;譚大倫;周明 | 申請(專利權)人: | 杰創(chuàng)智能科技股份有限公司 |
| 主分類號: | G06T3/40 | 分類號: | G06T3/40;G06N3/04 |
| 代理公司: | 廣州專理知識產(chǎn)權代理事務所(普通合伙) 44493 | 代理人: | 譚昉 |
| 地址: | 510000 廣東省廣州市高新技*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 圖像超分辨 信息過濾 算法 低分辨率圖像 特征提取模塊 信息過濾模塊 重構模塊 疊加 濾波器 網(wǎng)絡 殘差圖像 高分辨率 加法運算 剩余圖像 剩余信息 特征表示 提取特征 網(wǎng)絡算法 元素級別 上采樣 殘差 卷積 聚合 | ||
1.一種基于信息過濾網(wǎng)絡的圖像超分辨實現(xiàn)算法,其特征在于,包括特征提取模塊、多個疊加的信息過濾模塊和重構模塊;
特征提取模塊首先從低分辨率圖像中提取特征,然后,將多個信息過濾模塊疊加,逐步提取剩余信息,最后,重構模塊將得到的高分辨率殘差特征表示進行聚合,生成殘差圖像;對剩余圖像和上采樣的低分辨率圖像進行元素級別的逐項加法運算;
所述信息過濾模塊,包括一個增強單元和一個壓縮單元;通過一個短路徑提取第一個模塊的映射特征,它們可以看作是局部的短程特征;
所述信息過濾模塊將一份局部的短路徑特征發(fā)送給另一個模塊,將第二個模塊的映射特征轉(zhuǎn)換成局部長路徑特征,在得到長路徑特征和短路徑特征后,將這兩類特征進行聚合,以便獲得更豐富、更有效的信息;增強單元主要是為了提高網(wǎng)絡的表示能力,對于壓縮單元,采用簡單的卷積層對增強單元特征中的冗余信息進行壓縮;
增強單元主要包括兩個淺層卷積網(wǎng)絡,每一個都是一個三層的3×3的卷積層,并且緊隨跟著一個LReLU激活函數(shù)。
2.根據(jù)權利要求1所述的基于信息過濾網(wǎng)絡的圖像超分辨實現(xiàn)算法,其特征在于,所述增強單元中,設第i層的映射特征維度為Di(i=1,…,6),則卷積層之間的關系可以表示為:
D3-D1=D1-D2=d
其中d表示為第一層與第二層得差值,或第一層與第三層的差值;同樣,在下面的模塊通道維度中也存在這樣關系:
D6-D4=D4-D5=d
其中,D4=D3,上述模塊由三個級聯(lián)的帶激活函數(shù)LReLU的卷積層組成,第三個卷積層的輸出被分割成兩段;設這個模塊的輸入是Bk-1,則有:
其中Bk-1表示前一個模塊的輸出,同時為當前模塊的輸入;Ca為鏈式卷積運算,為第k個增強單元中的輸出;Pk是維度為的映射特征,與第一卷積層的輸入在通道維度上進行連接,則有:
其中C,S分別代表concatenate操作和slice操作;已知的維度是D3,因此,表示維度的映射特征是從中取來的,并且,在通道維度上連接Bk-1的特征,目的是將以前的信息與當前的一些信息結合起來,它可以看作是部份保留的局部短路徑信息,并將剩余的局部短路徑信息作為下一模塊的輸入,進一步提取長路徑的映射特征:
其中Cb分別為下一模塊的輸出和疊加卷積運算;
對輸入信息,保留的局部短路徑信息和局部長路徑信息進行匯總,增強單元能表示為:
其中Pk為增強單元的輸出,并且,局部長路徑特征局部短路徑特征和未處理特征Rk的連接都是為壓縮單元做準備。
3.根據(jù)權利要求1所述的基于信息過濾網(wǎng)絡的圖像超分辨實現(xiàn)算法,其特征在于,所述圖像超分辨實現(xiàn)算法還包括:利用1*1的卷積層來實現(xiàn)壓縮機制。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于杰創(chuàng)智能科技股份有限公司,未經(jīng)杰創(chuàng)智能科技股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910357438.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





