【技术实现步骤摘要】
一种基于深度卷积生成对抗网络的视频超分辨率生成方法
本专利技术涉及计算机视觉与机器学习
，具体涉及一种基于深度卷积生成对抗网络的视频超分辨率生成方法。
技术介绍
近些年，随着大量高清播放设备的涌现，如何将低分辨视频转换为更适宜播放的高分辨率视频，即超分辨率技术，逐渐成为计算机视觉领域的热点研究问题。事实上，4K电视的普及并不代表我们真正进入了4K时代，一个很重要的原因是没有那么多的4K片源。在视频监控领域,我们也需要高分辨率图像来识别出人们感兴趣的目标。在图像遥感领域，高分辨率图像能够提高卫星对目标的精度。与此同时，它在军事、医学成像等领域也有很广泛的应用前景，它己成为图像处理领域最热门的研究内容之一。目前视频超分辨率方法可以分为两大类：(1)单帧图像超分辨率方法，该方法假设图像之间是独立的，对视频帧中的每一张图像单独处理，最后再合成整个视频，但这些方法忽视了视频帧之间的时间依赖性。(2)多帧超分辨率方法，这种方法充分考虑了视频帧之间的时间依赖性，例如传统方法中使用光流技术对视频帧进行运动估计，但使用这些方法建模增加了很多计算成本，在很大程度上限制了视频超分...
【技术保护点】
1.一种基于深度卷积生成对抗网络的视频超分辨率生成方法，其特征在于，所述方法包括：获取目标视频，将同一场景的视频片段进行转换成连续的图像序列信息作为原图组以PNG格式保存；将所述原图组进行采样缩放，获取缩小的低分辨率图像，进行运动补偿处理，获得补偿后的低分辨率图像；构建深度卷积生成对抗网络模型，将所述补偿后的低分辨率图像输入进行计算，输出重建后的高分辨率图像后再进行放大处理，获得超分辨率图像；将所述超分辨率图像，按照所述目标视频进行重新组合，获得超分辨率目标视频。
【技术特征摘要】
1.一种基于深度卷积生成对抗网络的视频超分辨率生成方法，其特征在于，所述方法包括：获取目标视频，将同一场景的视频片段进行转换成连续的图像序列信息作为原图组以PNG格式保存；将所述原图组进行采样缩放，获取缩小的低分辨率图像，进行运动补偿处理，获得补偿后的低分辨率图像；构建深度卷积生成对抗网络模型，将所述补偿后的低分辨率图像输入进行计算，输出重建后的高分辨率图像后再进行放大处理，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。