基于AFAN模型的偏振图像超分辨率重建方法.pdf
元容****少女
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于AFAN模型的偏振图像超分辨率重建方法.pdf
本发明公开了一种基于AFAN模型的偏振图像超分辨率重建方法,涉及图像超分辨率重建技术领域,所述AFAN模型包括头部模块、深层特征提取模块、多尺度自适应加权重构模块和跳跃模块,所述深层特征提取模块由n个叠加的自适应辅助特征双注意力学习块组成,而每个自适应辅助特征双注意力学习块包含一维卷积通道注意力模块、增强空间注意力模块和WDSR模块;从客观结果获得的峰值信噪比与结构相似性指标来看,本发明方法要优于对比算法;从主观结果分析,本发明方法的重建性能好,可以更好地重建出框选图像的纹理细节和边缘轮廓特征。
一种基于超分辨率图像重建的偏振图像融合方法.pdf
本发明涉及一种基于超分辨率图像重建的偏振图像融合方法,根据本发明的基于超分辨率图像重建的偏振图像融合方法,将Q图像、U图像、偏振度图像和偏振角图像按照顺序以小于一个像素单元的某一间距值进行交叉得到过采样图像,并对过采样图像进行超分辨率重建,获得融合图像。根据本发明的偏振图像融合方法,能够将辐射强度信息与边缘轮廓等细节信息有效融合,提高融合图像的分辨率。
一种基于深度学习的偏振图像超分辨率重建方法.pdf
本发明公开一种基于深度学习的偏振图像超分辨率重建方法,可用于由低分辨率偏振图像重建出相应的高分辨率偏振图像。该方法包括:基于偏振相机采集高分辨率偏振图像,并进行预处理得到低分辨率偏振图像,制作数据集;通过浅层卷积神经网络融合特征信息;通过残差密集模块进行密集融合特征;利用升尺度模块将图像特征通道数放大到对应放大因子的倍数;通过输出模块得到超分辨率偏振图像;利用偏振感知与像素混合损失函数对神经网络进行优化。该方法基于深度学习卷积神经网络,构建了超分辨率重建神经网络模型,使用偏振感知与像素混合损失函数对神经网
基于多级滤波和样本匹配的偏振图像超分辨率重建方法.pdf
本发明公开了一种广义稀疏下基于多级滤波和样本匹配的偏振图像超分辨率重建方法,在广义稀疏表示下,利用配准后的三方向(0°、60°和120°)偏振图像的冗余和互补信息,以图像块为处理对象,通过构造上采样和下采样滤波器组,采用缩放倍率逐步加1的方法,以待重建图像块的低频部分进行局部自相似样本匹配,以得到的局部自相似匹配样本进行高频估计,最后与初始估计进行合成,通过对图像块逐一进行更新得到整幅重建图像。该方法具有图像轮廓结构清晰、边缘锯齿效应低、细节信息丰富等优点。
基于退化模型的超分辨率图像重建方法及系统.pdf
本发明涉及图像处理技术领域,公开了一种基于退化模型的超分辨率图像重建方法及系统,旨在解决现有的超分辨率图像重建方法在实际应用时存在效果不佳的问题,主要包括:采集真实的图像数据,构成源数据集,并从源数据集中随机抽取部分图像数据进行清洗得到高分辨率图像数据集;基于源数据集估计模糊核并提取噪声块,分别搭建模糊核收集池和噪声收集池;基于采用插值的降采样方法的广义退化模型,将高分辨率图像数据集中的高分辨率图像退化成低分辨率图像,构造有监督的SR样本;训练基于深度残差网络的图像超分模型,基于图像超分模型获得超分辨率图