摘要
本发明提供了一种细分精细重组的图像清晰度纹理重建方法,包括如下步骤:对原始红外图像进行噪声去除和图像增强处理,对处理后的红外图像进行纹理分析操作得到纹理特征;提取红外图像的图像特征,将图像特征与纹理特征融合得到融合特征,使用原始红外图像和融合特征进行神经网络学习得到高分辨率红外图像;对高分辨率红外图像像与原始红外图像进行纹理合成操作,得到纹理增强后的纹理重建图像。本发明有益效果:通过结合动态适应性技术和先进的纹理重建算法,实现对动态纹理的精细重建,并能够灵活应对不同场景和纹理特征的变化,为动态场景下的高质量纹理合成提供了全新的解决方案,具有显著的竞争优势和应用前景。
技术关键词
纹理特征
融合特征
适应性技术
图像增强
加权平均法
动态场景
非线性映射关系
深度残差网络
上采样方法
直方图均衡化
像素点
动态纹理
噪声
双线性插值
重建算法
密度
滤波
分析方法
系统为您推荐了相关专利信息
图像增强模型
图像增强方法
视频帧
对齐模块
图像输出模块
视觉算法
剔除方法
多源融合
湿度传感器
集成图像传感器
交流滤波器
融合特征
故障诊断方法
矩阵乘法运算
ReLU函数