【技术实现步骤摘要】
本公开涉及实时超分辨率图像处理的方法和系统。
技术介绍
1、超分辨率(super-resolution，sr)成像是将较低分辨率(lower resolution，lr)图像提升到较高分辨率(higher resolution，hr)图像，并且经常被执行来以hr渲染帧序列的视频。然而，传统的实时技术在处理真实世界、相机拍摄的图像时，仍然提供质量较差的图像。而且，高质量的sr技术往往是基于神经网络的，因此计算量非常大，进而也相对较慢，这样，这些高质量的基于网络的传统超分辨率技术无法执行超分辨率转换，以在小型或边缘设备上实时提供hr视频。
技术实现思路
1、根据本公开的一个实施例，提供了一种超分辨率图像处理的由计算机实现的方法，包括：获得至少一个较低分辨率(lr)图像；生成至少一个高分辨率(hr)图像，包括将所述至少一个lr图像的图像数据输入到至少一个超分辨率(sr)神经网络中；分开生成权重或偏置或这两者，包括使用所述lr图像的统计数据；以及将所述权重或偏置或这两者提供给所述sr神经网络以用于...
【技术保护点】
1.至少一种非暂态计算机可读介质，包括指令，所述指令用于使得至少一个处理器电路执行至少以下操作：
2.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，一个或多个缺陷包括在所述输入帧中存在噪声。
3.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，一个或多个缺陷包括在所述输入帧中存在模糊。
4.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，所述神经网络是深度学习神经网络。
5.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，所述神经网络是卷积神经网络。
6.根据权利要求1所述的...
【技术特征摘要】
1.至少一种非暂态计算机可读介质，包括指令，所述指令用于使得至少一个处理器电路执行至少以下操作：
2.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，一个或多个缺陷包括在所述输入帧中存在噪声。
3.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，一个或多个缺陷包括在所述输入帧中存在模糊。
4.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，所述神经网络是深度学习神经网络。
5.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，所述神经网络是卷积神经网络。
6.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，所述指令用于使得所述至少一个处理器电路中的一个或多个处理器电路执行以下操作：使得所述输出帧作为所述输出视频的一部分与对所述输入视频的访问同时呈现。
7.根据权利要求1所述的至少一种非暂态计算机可读介质，其中，所述指令用于使得所述至少一个处理器电路中的一个或多个处理器电路执行以下操作：在所述神经网络将所述输入帧放大到所述第二分辨率之前基于选择来改变所述神经网络。
8.一种装置，包括：
9.根据权利要求8所述的装置，其中，一个或多个缺陷包括在所述输入帧中存在噪声。
10.根据权利要求8所述的装置，其中，一个或多个缺陷包括在所述输入帧中存在模糊。
【专利技术属性】
技术研发人员：诺姆·埃伦，亚历山大·伊茨科维奇，沙哈尔·S·尤瓦尔，诺姆·利维，
申请(专利权)人：英特尔公司，
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。