← 返回列表
基于Kernel-Free匹配的真实双摄参考超分方法
申请人信息
- 申请人:天津大学
- 申请人地址:300072 天津市南开区卫津路92号
- 发明人: 天津大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于Kernel-Free匹配的真实双摄参考超分方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311509580.2 |
| 申请日 | 2023/11/13 |
| 公告号 | CN117745539A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G06T3/4053 |
| 权利人 | 天津大学 |
| 发明人 | 岳焕景; 崔子凡; 李坤; 杨敬钰 |
| 地址 | 天津市南开区卫津路92号 |
摘要文本
本发明公开了基于Kernel‑Free匹配的真实双摄参考超分方法，涉及图像信号处理技术领域。基于Kernel‑Free匹配的真实双摄参考超分方法，包括如下步骤：S1、建立真实参考超分数据集；S2、设计基于Kernel‑Free匹配的真实双摄参考超分模型；S3、利用深度学习Pytorch框架训练模型；S4、向模型中输入广角图像和长焦图像数据对，输出广角图像超分后的结果；本发明利用提出的Kernel‑Free匹配方法将真实双摄参考超分的性能提升到了新的高度。
专利主权项内容
1.基于Kernel-Free匹配的真实双摄参考超分方法，其特征在于，具体包括以下步骤：S1、建立真实双摄参考超分数据集：利用智能手机双摄，同时拍摄广角图像和长焦图像，采用由粗到细的对齐策略来创建对齐良好的LR-HR数据对，对数据对进行裁剪、颜色矫正处理，制作数据集；S2、构建双摄参考超分模型：基于深度学习技术，设计中心形变对齐策略、Kernel-Free匹配策略、四周形变对齐模块、单图超分模块及自适应融合模块，构建双摄参考超分模型；S3、训练模型：利用深度学习Pytorch框架训练S2中所构建的双摄参考超分模型，重复遍历S1中所构建的真实双摄参考超分数据集直到模型收敛；S4、输出结果：将S1中获得的真实双摄参考超分数据集中的广角图像和长焦图像数据对输入到训练完的模型中，获得超分后的广角图像。