買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜上海互聯(lián)網(wǎng)軟件集團(tuán)有限公司申請(qǐng)的專利圖像邊緣超分辨率增強(qiáng)系統(tǒng)及方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117593189B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210937533.7，技術(shù)領(lǐng)域涉及：G06T3/4076；該發(fā)明授權(quán)圖像邊緣超分辨率增強(qiáng)系統(tǒng)及方法是由高黎娟;曹渝昆;謝建云;張春設(shè)計(jì)研發(fā)完成，并于2022-08-05向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本圖像邊緣超分辨率增強(qiáng)系統(tǒng)及方法在說明書摘要公布了：本發(fā)明揭示了一種圖像邊緣超分辨率增強(qiáng)系統(tǒng)及方法，圖像邊緣超分辨率增強(qiáng)系統(tǒng)包括特征提取模塊、特征融合模塊、非線性映射模塊及圖像超分辨率重建模塊；特征提取模塊用以從低分辨率圖像中提取圖像特征、邊緣特征、梯度特征；特征融合模塊用以對(duì)提取的圖像特征、邊緣特征、梯度特征進(jìn)行有效融合，使得融合后的特征涵蓋更多的信息、更具有判別重建能力；非線性映射模塊用以將經(jīng)過特征融合模塊融合后的融合特征進(jìn)行非線性變換，使得特征具有更強(qiáng)的表達(dá)能力；圖像超分辨率重建模塊用以將經(jīng)過非線性映射模塊非線性變換后的特征對(duì)圖像進(jìn)行高分辨率重建。本發(fā)明可提高重建高分辨率文字圖像的清晰度和可信度。

本發(fā)明授權(quán)圖像邊緣超分辨率增強(qiáng)系統(tǒng)及方法在權(quán)利要求書中公布了：1.一種圖像邊緣超分辨率增強(qiáng)系統(tǒng)，其特征在于，所述圖像邊緣超分辨率增強(qiáng)系統(tǒng)包括：特征提取模塊，用以從低分辨率圖像中提取圖像特征、邊緣特征及梯度特征；特征融合模塊，用以對(duì)提取的圖像特征、邊緣特征及梯度特征進(jìn)行融合，使得融合后的特征涵蓋更多的信息、更具有判別重建能力；非線性映射模塊，用以將經(jīng)所述特征融合模塊融合的融合特征進(jìn)行非線性變換，使得特征具有更強(qiáng)的表達(dá)能力；以及圖像超分辨率重建模塊，用以將經(jīng)過所述非線性映射模塊非線性變換后的特征對(duì)圖像進(jìn)行高分辨率重建；所述特征提取模塊包括：圖像特征提取單元，用以提取圖像特征；所述圖像特征提取單元包含多個(gè)圖像特征提取子模塊，每個(gè)圖像特征提取子模塊包括第一卷積層、第一激活層和第一標(biāo)準(zhǔn)化層；所述圖像特征提取單元包含的多個(gè)圖像特征提取子模塊中包括淺層圖像特征提取子模塊及深層圖像特征提取子模塊；所述淺層圖像特征提取子模塊提取圖像的低層次特征，包括紋理、顏色；所述深層圖像特征提取子模塊提取圖像的高層次特征，包括圖像類別、目標(biāo)數(shù)目；通過多個(gè)卷積子模塊不斷對(duì)圖像進(jìn)行特征提取，使得提取的卷積特征更具有判別力；邊緣特征提取單元，用以提取圖像的邊緣特征；所述邊緣特征提取單元包括多個(gè)邊緣特征提取子模塊；為更有效地利用圖像之間的信息，使得重建圖像邊緣可信度更高，在邊緣特征提取單元添加循環(huán)神經(jīng)網(wǎng)絡(luò)模塊RNN；循環(huán)神經(jīng)網(wǎng)絡(luò)模塊包含第一輸入層、第一輸出層和第一隱含層，通過第一隱含層將信息傳遞，循環(huán)神經(jīng)網(wǎng)絡(luò)模塊RNN對(duì)前面的信息進(jìn)行記憶并應(yīng)用于當(dāng)前輸出的計(jì)算中，即第一隱藏層之間的節(jié)點(diǎn)不再無連接而是有連接的，并且第一隱藏層的輸入不僅包括第一輸入層的輸出，還包括上一時(shí)刻第一隱藏層的輸出；為學(xué)習(xí)提取到準(zhǔn)確的圖片中物體的邊緣特征，對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)模塊的輸出層進(jìn)行邊緣信息解析，基于邊緣標(biāo)注進(jìn)行損失函數(shù)計(jì)算，利用梯度回傳，使提取的邊緣信息監(jiān)督圖像細(xì)節(jié)的重建過程，進(jìn)而增加重建圖像的可信度；梯度特征提取單元，用以提取梯度特征；所述梯度特征提取單元包含多個(gè)梯度特征提取子模塊，每個(gè)梯度特征提取子模塊中包含第二卷積層、第二激活層和第二標(biāo)準(zhǔn)化層，通過對(duì)多個(gè)梯度特征提取子模塊進(jìn)行有效連接，提取圖像的梯度信息；在提取梯度信息時(shí)，利用低分辨率圖像真實(shí)的梯度進(jìn)行引導(dǎo)，使得梯度模塊提取的特征準(zhǔn)確有效，對(duì)每幅高分辨率圖像制作梯度標(biāo)簽，梯度標(biāo)簽采用現(xiàn)有的梯度計(jì)算方法進(jìn)行計(jì)算，因提取梯度信息是為了產(chǎn)生光滑的文字邊緣，因此梯度采用sobel算子進(jìn)行邊緣檢測(cè)，利用計(jì)算的梯度信息和提取的梯度特征進(jìn)行梯度損失計(jì)算，進(jìn)而通過梯度回傳對(duì)圖像文字的邊緣重建進(jìn)行監(jiān)督；所述圖像超分辨率重建模塊包括多個(gè)卷積子模塊和一上采樣模塊，卷積子模塊用以為上采樣模塊提取有效特征；上采樣模塊用以將提取的特征映射為目標(biāo)尺寸的高分辨率圖像，為圖像中的每個(gè)像素點(diǎn)賦值，從而獲取重建的高分辨率目標(biāo)圖像；在圖像超分辨率重建中根據(jù)上采樣的位置，將SR深度學(xué)習(xí)方法歸結(jié)為四大類：預(yù)上采樣超分辨率、后上采樣超分辨率、漸進(jìn)式上采樣超分辨率、迭代上下采樣超分辨率；所述圖像超分辨率重建模塊采用后上采樣框架，為提高計(jì)算效率并充分利用深度學(xué)習(xí)技術(shù)自動(dòng)增大分辨率，在模型末端集成端對(duì)端的學(xué)習(xí)層來代替預(yù)定義的上采樣操作，從而使得大多數(shù)計(jì)算在低維空間運(yùn)行，這種框架稱為后上采樣框架；LR圖像無需增大分辨率，可直接輸入到CNN網(wǎng)絡(luò)，并在網(wǎng)絡(luò)末端采用端到端可學(xué)習(xí)的上采樣層；在后上采樣框架中，特征提取工作是在低維空間進(jìn)行的，降低時(shí)間和存儲(chǔ)空間成本。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人上海互聯(lián)網(wǎng)軟件集團(tuán)有限公司，其通訊地址為：201203 上海市浦東新區(qū)郭守敬路498號(hào)14幢22301-1003座；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。