Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020238558 - PROCÉDÉ ET SYSTÈME DE SUPER-RÉSOLUTION D'IMAGE

Numéro de publication WO/2020/238558
Date de publication 03.12.2020
N° de la demande internationale PCT/CN2020/088215
Date du dépôt international 30.04.2020
CIB
G06T 3/40 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
3Transformation géométrique de l'image dans le plan de l'image
40Changement d'échelle d'une image entière ou d'une partie d'image
CPC
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06T 3/4053
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
3Geometric image transformation in the plane of the image
40Scaling the whole image or part thereof
4053Super resolution, i.e. output image resolution higher than sensor resolution
Déposants
  • 鹏城实验室 PENG CHENG LABORATORY [CN]/[CN]
  • 清华大学深圳国际研究生院 TSINGHUA SHENZHEN INTERNATIONAL GRADUATE SCHOOL [CN]/[CN]
Inventeurs
  • 夏树涛 XIA, Shutao
  • 戴涛 DAI, Tao
  • 李清 LI, Qing
  • 林栋 LIN, Dong
  • 汪漪 WANG, Yi
Mandataires
  • 北京集佳知识产权代理有限公司 UNITALEN ATTORNEYS AT LAW
Données relatives à la priorité
201910439532.824.05.2019CN
Langue de publication Chinois (zh)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) IMAGE SUPER-RESOLUTION METHOD AND SYSTEM
(FR) PROCÉDÉ ET SYSTÈME DE SUPER-RÉSOLUTION D'IMAGE
(ZH) 一种图像超分辨方法和系统
Abrégé
(EN) The present invention provides an image super-resolution method and system. The method comprises: take an image to be processed as the input of a convolutional neural network super-resolution model, the convolutional neural network super-resolution model being composed of four execution modules which are connected in sequence; a first execution module processes said image to obtain a first processing image; a second execution module processes the first processing image and outputs a second processing image; a third execution module processes the second processing image and outputs a third processing image; a fourth execution module processes the third processing image and outputs a super-resolution image. Based on the present invention, the convolutional neural network super-resolution model sets the weighted features for said image, the important features in said image are determined by learning the weighted features, and the super-resolution processing is carried out according to the important features, so that the feature expression capability of the convolutional neural network super-resolution model is improved, and the detail quality of the super-resolution image obtained after the super-resolution processing is greatly improved.
(FR) La présente invention concerne un procédé et un système de super-résolution d'image. Le procédé comprend les étapes consistant à : prendre une image à traiter en tant qu'entrée d'un modèle de super-résolution de réseau neuronal convolutif, le modèle de super-résolution de réseau neuronal convolutif étant composé de quatre modules d'exécution qui sont connectés en séquence ; un premier module d'exécution traite ladite image pour obtenir une première image de traitement ; un deuxième module d'exécution traite la première image de traitement et délivre une deuxième image de traitement ; un troisième module d'exécution traite la deuxième image de traitement et délivre une troisième image de traitement ; un quatrième module d'exécution traite la troisième image de traitement et délivre une image de super-résolution. Sur la base de la présente invention, le modèle de super-résolution de réseau neuronal convolutif fixe les caractéristiques pondérées pour ladite image, les caractéristiques importantes dans ladite image sont déterminées par apprentissage des caractéristiques pondérées, et le traitement de super-résolution est réalisé selon les caractéristiques importantes, de telle sorte que la capacité d'expression de caractéristiques du modèle de super-résolution de réseau neuronal convolutif est améliorée, et la qualité de détail de l'image de super-résolution obtenue après le traitement de super-résolution est grandement améliorée.
(ZH) 本发明提供一种图像超分辨方法和系统,该方案包括:将待处理图像作为卷积神经网络超分模型的输入,卷积神经网络超分模型由四个依次连接的执行模块构成;第一执行模块对待处理图像进行处理,得到第一处理图像;第二执行模块对第一处理图像进行处理,输出包含第二处理图像;第三执行模块对第二处理图像进行处理,输出第三处理图像;第四执行模块对第三处理图像进行处理,输出超分辨率图像。基于本发明,卷积神经网络超分模型为待处理图像设置加权特征,通过对加权特征的学习,确定待处理图像中的重要特征,并依据重要特征进行超分辨处理,从而提高卷积神经网络超分模型的特征表达能力,使得超分辨处理后所得到的超分辨率图像的细节质量大大提高。
Documents de brevet associés
Dernières données bibliographiques dont dispose le Bureau international