原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于随机耦合神经网络与深度残差网络的超分重建的方法，主要解决传统图像处理中冲耦合神经网络模型与真实的生物神经元网络相比有着缺乏随机性、神经元连接广度不足的明显差异的问题。该方法包括两个步骤：低分辨率图像通过随机耦合神经网络提取图像特征，得到的点火映射图作为图像的一个额外通道；将原始图像和点火映射图作为输入经过深度残差网络进行超分处理。本发明采用了深度残差网络的图像超分处理的方法,在随机耦合神经网络提取到的包含特征细节信息的点火映射图的帮助下对图片实现超分处理，可以在较低的计算负担
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118071600A
(43)申请公布日2024.05.24
(21)申请号202410258963.5
(22)申请日2024.03.07
(71)申请人成都理工大学
地址610059
文档评论（0）