




如果您无法下载资料,请参考说明:
1、部分资料下载需要金币,请确保您的账户上有足够的金币
2、已购买过的文档,再次下载不重复扣费
3、资料包下载后请先用软件解压,在使用对应软件打开
(19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN116630162A (43)申请公布日2023.08.22 (21)申请号202310687637.1 (22)申请日2023.06.12 (71)申请人江西方兴科技股份有限公司 地址330025江西省南昌市西湖区洪城路 508号 (72)发明人陈广辉刘令君李振宇喻恺 胡志刚肖通新陈昭彰 (74)专利代理机构上海创开专利代理事务所 (普通合伙)31374 专利代理师汪发成 (51)Int.Cl. G06T3/40(2006.01) G06N3/0464(2023.01) G06N3/048(2023.01) G06N3/08(2023.01) 权利要求书1页说明书4页附图3页 (54)发明名称 基于局部纹理估计器网络的监控图像超分 辨率重建方法 (57)摘要 本发明公开了基于局部纹理估计器网络的 监控图像超分辨率重建方法,涉及图像超分辨重 建技术领域。本发明借鉴了隐式神经函数对图像 特征的处理方式,在编‑解码器架构中引入了一 种局部纹理估计器来解决MLP不擅长提取高频特 征的问题;由增强型残差网络作为编码器,避免 梯度变化不稳定的同时利用跳层连接充分保留 中间层提取的特征;局部纹理估计器由振幅、频 率和相位估计器三部分组成,由一个具有四层卷 积和RELU激活函数的MLP作为解码器,将局部纹 理估计器计算得到的傅里叶系数转换到RGB值得 到超分辨率预测结果;对于低分辨率的交通监控 图像可以进行高效的重建与恢复,有助于保障公 共交通安全,建设文明安全城市,具有较高的现 实意义。 CN116630162A CN116630162A权利要求书1/1页 1.基于局部纹理估计器网络的监控图像超分辨率重建方法,其特征在于,包括如下步 骤: S1、向编码器网络中输入低分辨率的交通监控图像,由网络前端卷积层提取浅层特征, 引入残差学习构成残差块,并利用跳层连接保留中间层提取的特征;由于去掉了上采样层, 输出与原始低分辨率图像相同大小的张量z,作为S2步骤中局部纹理估计器的输入; S2、局部纹理估计器将步骤S1获得的张量z和特征点坐标x形成的局部网格转换到傅里 叶域,分别计算幅度、频率和相位,作为步骤三中解码器MLP的输入; S3、在参考原始输入图像特征的同时,解码器网络将S1步骤得到的特征张量z和S2步骤 得到的局部幅度、频率和相位向量映射到RGB值得到超分辨率预测结果s; S4、对输入的低分分辨率图像进行不同放大倍数的上采样操作后,与S3步骤输出的预 测结果s(θ)相加,得到最终的超分辨率结果s; 其中,↑表示上采样操作。 2.根据权利要求1所述的基于局部纹理估计器网络的监控图像超分辨率重建方法,其 特征在于,所述S2步骤具体是: 所述局部纹理估计器还引入了与尺度相关的相位估计器,更好的保留了与纹理特征有 关的高频信息;估计得到的频率向量乘以特征点x的局部网格,与相位向量相加后分别进行 余弦和正弦计算,最后将两个结果的比值与振幅向量进行元素乘法,因此估计器函数可 表示为: 其中,zj为第j个特征张量,δ为与特征点x欧几里得距离最近的四个坐标xj组成的局部 网格(|x‑xj|≤1);该局部纹理估计器包括三个部分:振幅估计器ha(·)、频率估计器hf (·)、相位估计器hp(·);Aj为第j个特征张量的振幅向量,Aj=ha(zj);Fj为第j个特征张量 的频率向量,Fj=hf(zj);Pj为第j个特征张量的相位向量,Pj=hp(zj);⊙表示逐元素乘法。 3.根据权利要求1所述的基于局部纹理估计器网络的监控图像超分辨率重建方法,其 特征在于,所述S3步骤具体是在隐式神经函数中,解码器函数fθ由所有特征点共享,并对其 赋予可训练的权重θ;将解码器函数fθ的映射结果与权重θ相乘后,对所有特征张量z逐个求 和;因此预测结果s(θ)表示为: s(θ)=∑j∈Jθfθ(zj,Aj,Fj,Pj)(3) 其中,j∈J表示所有特征点个数的集合。 2 CN116630162A说明书1/4页 基于局部纹理估计器网络的监控图像超分辨率重建方法 技术领域 [0001]本发明属于图像超分辨重建技术领域,特别是涉及基于局部纹理估计器网络的监 控图像超分辨率重建方法。 背景技术 [0002]随着现代智慧城市的加速建设,公共交通的监控拍照对于保证公共安全发挥着关 键的作用。受到天气变化、传感器噪声和采集设备局限性等影响,获取高质量的交通监控图 像存在一定困难。图像超分辨率重建技术旨在从低分辨率图像中恢复高分辨率图像,是改 善交通监控画质的有效手段。 [0003]最近,通过MLP(MultilayerPerceptron)进行参数化的隐式神经函数在计算机视 觉领域展现了出色
Ta的资源

2020110359336低致栓颅内血管编织支架及其处理方法

2020110303186一种钙钛矿量子点聚合物粒子的制备方法

2020110124078基于精准医疗的大数据分析系统及方法

2020109651910 应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法

2020109529321一种铝合金用无氟无氯环保粒状精炼剂及其制备和应用

2020108899336一种新能源商用车总装车间线路布局

2020108620703城市燃气管网多输差协同计算模型及应用方法

2020108207369一种微交联阳离子型聚丙烯酰胺絮凝剂及其制备方法与应用

2020108035131一种基于全站仪的激光雷达外部参数标定方法

2020107682859一种内燃机等离子节油器阴阳极的制备方法

13****40
实名认证
内容提供者


最近下载