公开(公告)号：CN118710499A

公开(公告)日：2024-09-27

申请号：CN202410911869.5

申请日：2024-07-09

Applicant: 安徽大学

Inventor： 李士昌 ,  侯芷萌 ,  阎瑞珅 ,  唐飞翔 ,  傅佳欣 ,  任积峰 ,  叶佳怡 ,  郑宇洁

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T3/4007 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于空间光谱交互Transformer网络的图像超分方法，包括如下步骤：获取待超分的第一图像；利用训练好的空间光谱交互Transformer网络的浅层特征提取单元，提取第一图像的浅层特征；利用训练好的空间光谱交互Transformer网络的深层特征提取单元，提取浅层特征的深层特征；利用训练好的空间光谱交互Transformer网络的高分辨率重建单元，对深层特征进行处理，以得到超分后的第二图像。该方法通过浅层特征提取单元提取浅层特征，深层特征提取单元在空间光谱信息交互中加强局部信息的获取，并生成具有短程和远程上下文的特征对，进一步提高特征表示能力，最后通过高分辨率重建单元将这两种层次的信息进行特征融合和重建，从而实现了优秀的图像超分任务表现。

公开(公告)号：CN117333365A

公开(公告)日：2024-01-02

申请号：CN202311270123.2

申请日：2023-09-28

Applicant: 安徽大学

Inventor： 郑玲 ,  朱金辰 ,  张明健 ,  刘玉龙 ,  张盛羽 ,  翁士状 ,  黄林生 ,  赵晋陵 ,  李士昌 ,  侯芷萌 ,  沈瓒骏

IPC: G06T3/40 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及一种基于混合Transformer超分辨率网络的图像超分辨率方法，包括：首先获取图像对作为训练样本，图像对由图像ILR和图像IHR组成；搭建混合Transformer超分辨率网络模型；利用训练样本对混合Transformer超分辨率网络模型进行训练，得到训练后的混合Transformer超分辨率网络模型；将待处理图像作为LR图像导入到训练后的混合Transformer超分辨率网络模型中，混合Transformer超分辨率网络模型输出的结果即为HR图像。本发明通过构建混合Transformer超分辨率网络模型，在参数和性能做出合适权衡；增强了网络的局部信息的提取能力，并且提高网络全局建模的效率，得到更加优秀的超分辨率图像，通过对图像中的全局结构信息局部纹理信息作有针对性的处理，实现了在多种超分辨率任务下的优异表现。