CN117274059B 基于图像编码-解码的低分辨率图像重构方法及其系统 （杭州一隅千象科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN117274059B(45)授权公告日2025.07.01

(21)申请号202311317324.3

(22)申请日2023.10.11

(65)同一申请的已公布的文献号申请公布号CN117274059A

(43)申请公布日2023.12.22

(73)专利权人杭州一隅千象科技有限公司

地址310000浙江省杭州市萧山区宁围街

道利一路158号世华帝宝大厦2幢2001室

(72)发明人夏敏鸿魏娉婷

(74)专利代理机构杭州汇和信专利代理有限公

司33475专利代理师吴琰

(51)Int.CI.

GO6T3/4053(2024.01)

GO6T3/4046(2024.01)

GO6V10/44(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)

GO6N3/045(2023.01)

GO6N3/0475(2023.01)

GO6T5/20(2006.01)

GO6N3/084(2023.01)

(56)对比文件

CN116681889A,2023.09.01

审查员曹茂洁

权利要求书3页说明书10页附图2页

(54)发明名称

获取用户输入的低分辨率图像120对所述低分辨率图像进行图像预处理以得到增强低分辨率图像1

获取用户输入的低分辨率图像

120

对所述低分辨率图像进行图像预处理以得到增强低分辨率图像

130

对所述增强低分辨率图像进行图像特征提取以得到语义融合浅层图像特征图

基于所述语义融合浅层图像特征图，生成高分辨率图像

(57)摘要

CN117274059B本发明公开了一种基于图像编码-解码的低分辨率图像重构方法及其系统，其获取用户输入的低分辨率图像；对所述低分辨率图像进行图像预处理以得到增强低分辨率图像；对所述增强低分辨率图像进行图像特征提取以得到语义融合浅层图像特征图；以及，基于所述语义融合浅层图像特征图，生成高分辨率图像。这样，能够有效

CN117274059B

CN117274059B权利要求书1/3页

2

1.一种基于图像编码-解码的低分辨率图像重构方法，其特征在于，包括：

获取用户输入的低分辨率图像；

对所述低分辨率图像进行图像预处理以得到增强低分辨率图像；

对所述增强低分辨率图像进行图像特征提取以得到语义融合浅层图像特征图；

基于所述语义融合浅层图像特征图，生成高分辨率图像；

其中，还包括，在训练步骤中，对于训练语义融合浅层图像特征图的各个特征矩阵进行特征尺度约束的概率密度收敛优化以得到优化后训练语义融合浅层图像特征图，包括：

分别计算训练语义融合浅层图像特征图的各个特征矩阵的全局特征均值组成的特征向量的第一概率密度收敛权重以及训练语义融合浅层图像特征图的各个特征矩阵的第二概率密度收敛权重的序列；

以第一概率密度收敛权重对训练语义融合浅层图像特征图沿通道进行加权以得到加权后训练语义融合浅层图像特征图；

以第二概率密度收敛权重的序列对加权后训练语义融合浅层图像特征图的各个特征矩阵进行加权以得到优化后训练语义融合浅层图像特征图；

其中，分别计算训练语义融合浅层图像特征图的各个特征矩阵的全局特征均值组成的特征向量的第一概率密度收敛权重以及训练语义融合浅层图像特征图的各个特征矩阵的第二概率密度收敛权重的序列，包括：以如下公式分别计算训练语义融合浅层图像特征图的各个特征矩阵的全局特征均值组成的特征向量的第一概率密度收敛权重以及训练语义融合浅层图像特征图的各个特征矩阵的第二概率密度收敛权重的序列；

其中，公式为：

其中，M是训练语义融合浅层图像特征图的第k个特征矩阵，L是训练语义融合浅层图像特征图的通道数，v是特征矩阵M的全局特征均值，V是v组成的特征向量，IIVII表示特征向量V的二范数的平方，S是特征矩阵M的尺度，且||Mell表示特征矩阵M的Frobenius范数的平方，m;,;是特征矩阵M中第(i,j)位置的特征值，w,是第一概率密度收敛权重，w2k是第二概率密度收敛权重的序列的第k个概率密度收敛权重。

2.根据权利要求1所述的基于图像编码-解码的低分