摘要
本发明公开了基于双模态先验的弱监督超分辨率方法,涉及计算机视觉领域,该方法包括以下步骤:获取场景文本图像,并对场景文本图像进行特征提取,基于提取的图像特征构建初始图像超分辨率框架;通过结构相似性损失函数和连接主义时序分类损失函数,并结合反向传播机制优化初始图像超分辨率框架,得到最终图像超分辨率框架;将预先获取的场景文本图像输入到最终图像超分辨率框架中,得到重建的场景文本图像。本发明通过双模态先验细化处理,增强了对场景文本图像的全局结构和语义信息的捕捉,进而改善了超分辨率图像的重建质量;同时还通过全局特征融合处理,提高了生成高分辨率图像的整体质量。
技术关键词
场景文本图像
图像超分辨率
超分辨率方法
双模态
全局特征融合
结构先验
框架
语义
注意力机制
表达式
图像块
时序
生成高分辨率
分支
变换器
特征金字塔
系统为您推荐了相关专利信息
图像超分辨率重建
图像嵌入
文本
噪声预测模型
交叉注意力机制
深度强化学习
语音声学特征
交互系统
机器人
面部
无人机航拍图像
多尺度特征融合
Hadamard矩阵
检测无人机
检测头
阴影检测
剔除方法
图像修复技术
多尺度特征提取方法
噪声抑制
图像超分辨率重建
数据
超分辨率重建模型
梯度协方差矩阵
数学