【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及基于隐式表达流模型的图像超分方法、装置、设备及存储介质。
技术介绍
1、随着数字图像处理技术的快速发展，对图像质量的要求也越来越高。在图像处理领域，图像超分辨率的目的是通过算法提升图像的分辨率，使得低分辨率图像能够转换成高分辨率图像，同时保持或增强图像的视觉质量，而在许多应用场景中，由于硬件限制或传输过程中的数据压缩，获取到的图像分辨率较低，无法从中获取必要的细节信息，因此，利用低分辨率图像恢复出高分辨率图像是必做的一项工作。
2、目前，现有做法主要依赖于深度学习模型，其中包括自编码器架构、残差网络结构以及基于小波变换的可逆流模型，通过构建瑕疵图像数据库并利用编码器和解码器结构来映射和重建图像，以实现对瑕疵区域的检测，或通过提取干扰特征并融合图像特征来重建高分辨率图像，或利用多尺度信号表示和变分去量化技术来提高训练效果和泛化能力。
3、然而，现有做法中使用自编码器架构的网络在图像重建类任务中训练和计算成本过高，训练过程不稳定，生成样本质量较低，并且，使用残差网络结构的卷积网络，无法很好...
【技术保护点】
1.一种基于隐式表达流模型的图像超分方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取特征向量、先验噪声和傅里叶特征向量的步骤包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述特征向量、所述原图信息和所述图像分割方式确定傅里叶特征向量的步骤包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述特征向量和所述傅里叶特征向量确定条件参数集的步骤包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分的步骤包括：p>
6.如权利...
【技术特征摘要】
1.一种基于隐式表达流模型的图像超分方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取特征向量、先验噪声和傅里叶特征向量的步骤包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述特征向量、所述原图信息和所述图像分割方式确定傅里叶特征向量的步骤包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述特征向量和所述傅里叶特征向量确定条件参数集的步骤包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分的步骤包括：
6.如权利要求5所述的方法，其特征在于，所述获取图像纹理和高分辨率纹理的步骤包括：
【专利技术属性】
技术研发人员：刘会凯，王绍政，张文，戢文，盛鸿博，
申请(专利权)人：岚图汽车科技有限公司，
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。