基于无监督退化特征学习的图像网络系统及其超分算法
公开
摘要
本发明公开了基于无监督退化特征学习的图像网络系统及其超分算法，所述系统包括退化特征提取模块、下采样模块和超分重建模块。本发明涉及深度学习、图像超分辨技术领域，具体提供了一种基于无监督退化特征学习的图像网络系统及其超分算法，该算法相较于其他真实世界图像的超分算法无需显示地退化估计，而是直接在图像的表示空间中学习特征表达用于分辨图像的退化，对于复杂退化特征图像的提取也能有较好的适应性。相较于基于生成对抗网络的模糊核估计超分算法，该方法受估计错误的影响小，特征提取的准确性强。最后的超分网络参数量较小，耦合性强，优化潜力大。
基本信息
专利标题 ：
基于无监督退化特征学习的图像网络系统及其超分算法
专利标题（英）：
暂无
公开（公告）号 ：
CN114612300A
申请号 ：
CN202210198241.6
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-02
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
赵锐张冬雨贺建超
申请人 ：
哈尔滨工业大学（深圳）
申请人地址 ：
广东省深圳市西丽深圳大学城
代理机构 ：
北京盛凡佳华专利代理事务所(普通合伙)
代理人 ：
吴佳佳
优先权 ：
CN202210198241.6
主分类号 ：
G06T3/40
IPC分类号 ：
G06T3/40 G06T5/00 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T3/00
在图像平面内的图形图像转换
G06T3/40
整个或部分图像的缩放
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
