买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：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。

主权项：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：A、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；B、在去噪重建过程的每个时间步，计算去噪中间变量与输入低分辨率图像的一致性约束，得到一致性约束P；C、在去噪重建过程的每个时间步，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，得到局部放缩后的一致性约束Q；D、在去噪重建过程的每个时间步，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；E、在去噪重建过程的每个时间步，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；F、迭代步骤B-E直至完成去噪步数，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；所述步骤A具体为：A1、在图像超分辨率任务中，输入一张低分辨率图像，条件扩散模型对条件信息的预处理过程具体为：将输入的低分辨率图像y通过预训练的编码器投影到低维度的隐空间，从而得到低分辨率图像的潜在表示；A2、根据标准高斯分布随机采样值，将随机高斯噪声作为条件扩散模型的去噪重建过程的起始输入；A3、将低分辨率图像的潜在表示和随机高斯噪声拼接后输入扩散模型，按照给定的去噪；所述步骤A3中，条件扩散模型的去噪重建过程具体为：条件扩散模型的去噪过程是一个以高斯噪声为起点，以输入低分辨率图像的潜在表示作为输入条件，符合马尔科夫链的逐步去噪重建的过程，通过迭代执行T个时间步得到一系列的去噪变量，去噪过程如下所示： ，其中，为第t个时间步的去噪变量，为真实的无噪声图像，为预设的衰减系数，，I表示单位矩阵；由于中存在未知的，构建参数为的神经网络近似该去噪过程： ，，其中可学习的协方差，可学习的平均值，为神经网络预测的噪声；综上所述，根据推导表示为： ，其中为在每一步引入的随机噪声；根据推导立即表示为：。

全文数据：

权利要求：

百度查询： 华南理工大学 基于梯度优化扩散模型的图像超分辨率方法、系统及介质