基于深度度量学习的图像超分辨方法
基本信息
| 申请号 | CN201710589212.1 | 申请日 | - |
| 公开（公告）号 | CN107705249A | 公开（公告）日 | 2018-02-16 |
| 申请公布号 | CN107705249A | 申请公布日 | 2018-02-16 |
| 分类号 | G06T3/40;G06N3/08;G06T7/11 | 分类 | 计算；推算；计数; |
| 发明人 | 王敏;王勇 | 申请（专利权）人 | 苏州闻捷传感技术有限公司 |
| 代理机构 | 苏州翔远专利代理事务所（普通合伙） | 代理人 | 刘计成 |
| 地址 | 215500 江苏省苏州市常熟市高新区金都路8号大学科技园创业基地2号综合楼2楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度度量学习的图像超分辨方法，解决了特征提取的不准确及固定的邻域大小的问题。主要步骤为：对训练样例图像分块并训练一个深度度量神经网络模型；将低分辩率训练样例送入训练好的神经网络得到低分辩图像的特征库；将输入的低分辩图像分块送入神经网络得到其特征；利用稀疏多流形嵌入的方法在低分辩图像的特征库中寻找近邻，计算编码系数，将编码系数与对应高分辨率图像块相乘，得到高分辨率图像块，拼接高分辨率图像块完成图像超分辨重构。本发明采用深度度量神经网络学习特征，近邻选取的比较准确，并自适应的选择邻域大小，有效提高了重构图像质量并改善细节信息，适用于各种自然图像的超分辨率重构。 |
