【技术实现步骤摘要】
基于图像编码
‑
解码的低分辨率图像重构方法及其系统
[0001]本专利技术涉及智能化图像重构
,尤其涉及一种基于图像编码
‑
解码的低分辨率图像重构方法及其系统
。
技术介绍
[0002]低分辨率图像重构是计算机视觉领域中的一个重要问题,它指的是将低分辨率的图像转换为高分辨率的图像
。
传统的插值方法在重构过程中容易引入模糊和失真,因此,期待一种优化的低分辨率图像重构方案
。
技术实现思路
[0003]本专利技术实施例提供一种基于图像编码
‑
解码的低分辨率图像重构方法及其系统,其获取用户输入的低分辨率图像;对所述低分辨率图像进行图像预处理以得到增强低分辨率图像;对所述增强低分辨率图像进行图像特征提取以得到语义融合浅层图像特征图;以及,基于所述语义融合浅层图像特征图,生成高分辨率图像
。
这样,能够有效地提高图像的分辨率,还能够保持图像的细节和纹理信息,避免出现模糊和失真的现象
。
[000 ...
【技术保护点】
【技术特征摘要】
1.
一种基于图像编码
‑
解码的低分辨率图像重构方法,其特征在于,包括:获取用户输入的低分辨率图像;对所述低分辨率图像进行图像预处理以得到增强低分辨率图像;对所述增强低分辨率图像进行图像特征提取以得到语义融合浅层图像特征图;以及基于所述语义融合浅层图像特征图,生成高分辨率图像
。2.
根据权利要求1所述的基于图像编码
‑
解码的低分辨率图像重构方法,其特征在于,对所述低分辨率图像进行图像预处理以得到增强低分辨率图像,包括:对所述低分辨率图像进行基于双边滤波的图像增强以得到所述增强低分辨率图像
。3.
根据权利要求2所述的基于图像编码
‑
解码的低分辨率图像重构方法,其特征在于,对所述增强低分辨率图像进行图像特征提取以得到语义融合浅层图像特征图,包括:提取所述增强低分辨率图像的图像浅层特征
、
图像中层特征和图像深层特征以得到浅层图像特征图
、
中层图像特征图和深层图像特征图;以及融合所述浅层图像特征图
、
所述中层图像特征图和所述深层图像特征图以得到所述语义融合浅层图像特征图
。4.
根据权利要求3所述的基于图像编码
‑
解码的低分辨率图像重构方法,其特征在于,提取所述增强低分辨率图像的图像浅层特征
、
图像中层特征和图像深层特征以得到浅层图像特征图
、
中层图像特征图和深层图像特征图,包括:将所述增强低分辨率图像通过基于金字塔网络的图像特征提取器以得到所述浅层图像特征图
、
所述中层图像特征图和所述深层图像特征图
。5.
根据权利要求4所述的基于图像编码
‑
解码的低分辨率图像重构方法,其特征在于,融合所述浅层图像特征图
、
所述中层图像特征图和所述深层图像特征图以得到所述语义融合浅层图像特征图,包括:融合所述中层图像特征图和所述深层图像特征图以得到多尺度语义图像特征图;以及使用联合语义传播模块来融合所述多尺度语义图像特征图和所述浅层图像特征图以得到所述语义融合浅层图像特征图
。6.
根据权利要求5所述的基于图像编码
‑
解码的低分辨率图像重构方法,其特征在于,基于所述语义融合浅层图像特征图,生成高分辨率图像,包括:将所述语义融合浅层图像特征图通过基于解码器的图像重构模型以生成高分辨率图像
。7.
根据权利要求6所述的基于图像编码
‑
解码的低分辨率图像重构方法,其特征在于,还包括训练步骤:用于对所述基于金字塔网络的图像特征提取器
、
所述联合语义传播模块和所述基于解码器的图像重构模型进行训练;其中,所述训练步骤,包括:获取训练数据,所述训练数据包括训练低分辨率图像,以及,真实的生成高分辨率图像;对所述训练低分辨率图像进行基于双边滤波的图像增强以得到训练增强低分辨率图像;将所述训练增强低分辨率图像通过基于金字塔网络的图像特征提取器以得到训练浅层图像特征图
、
训练中层图像特征图和训练深层图像特征图;
融合所述训练中层图像特征图和所述训练深层图像特征图以得到训练多尺度语义图像特征图;使用联合语义传播模块来融合所述训练多尺度语义图像特征图和所述训练浅层图像特征图以得到训练语义融合浅层图像特征图;对于所述训练语义融合...
【专利技术属性】
技术研发人员:夏敏鸿,魏娉婷,
申请(专利权)人:杭州一隅千象科技有限公司,
类型:发明
国别省市:
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。