基于梯度优化扩散模型的图像超分辨率方法、系统及介质

文档序号:37903369发布日期:2024-05-09 21:47阅读:来源:国知局

技术特征:

1.基于梯度优化扩散模型的图像超分辨率方法,其特征在于,包括下述步骤:

2.根据权利要求1所述基于梯度优化扩散模型的图像超分辨率方法,其特征在于,所述步骤a具体为:

3.根据权利要求2所述基于梯度优化扩散模型的图像超分辨率方法,其特征在于,所述步骤a3中,条件扩散模型的去噪重建过程具体为:

4.根据权利要求1所述基于梯度优化扩散模型的图像超分辨率方法,其特征在于,所述步骤b具体为:

5.根据权利要求1所述基于梯度优化扩散模型的图像超分辨率方法,其特征在于,所述步骤c具体为:

6.根据权利要求5所述基于梯度优化扩散模型的图像超分辨率方法,其特征在于,所述步骤c2具体为:

7.根据权利要求2所述基于梯度优化扩散模型的图像超分辨率方法,其特征在于,所述步骤d具体为:

8.根据权利要求1所述基于梯度优化扩散模型的图像超分辨率方法,其特征在于,所述步骤e具体为:

9.基于梯度优化扩散模型的图像超分辨率系统,其特征在于,应用于权利要求1-8中任一项所述的基于梯度优化扩散模型的图像超分辨率方法,包括去噪过程构建模块、一致性约束计算模块、一致性约束缩放模块、梯度优化模块、定位融合模块以及图像生成模块;

10.一种计算机可读存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-8任一项所述的基于梯度优化扩散模型的图像超分辨率方法。


技术总结
本发明公开了一种基于梯度优化扩散模型的图像超分辨率方法、系统及介质,方法包括下述步骤:将像素空间投影至低维度的隐空间,在隐空间建立条件扩散模型的去噪重建过程;计算去噪中间变量与输入低分辨率图像的一致性约束;动态放缩去噪中间变量与输入低分辨率图像的一致性约束;使用梯度优化方法增强去噪中间变量与输入低分辨率图像的表示一致性;提取输入低分辨率图像的轮廓掩码作为定位引导信息,从而融合梯度优化前后的去噪变量;将完成去噪步数后得到的去噪变量的潜在表示通过预训练的解码器投影到像素空间,得到高分辨率的去噪图像。本发明可以有效解决图像超分辨率任务中的不稳定和不一致性的问题。

技术研发人员:江罗倩,陈健
受保护的技术使用者:华南理工大学
技术研发日:
技术公布日:2024/5/8
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1