CN113556496A - 视频分辨率提升方法及装置、存储介质及电子设备 - Google Patents

视频分辨率提升方法及装置、存储介质及电子设备 Download PDF

Info

Publication number
CN113556496A
CN113556496A CN202010326998.XA CN202010326998A CN113556496A CN 113556496 A CN113556496 A CN 113556496A CN 202010326998 A CN202010326998 A CN 202010326998A CN 113556496 A CN113556496 A CN 113556496A
Authority
CN
China
Prior art keywords
data
sampling
output
feature extraction
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010326998.XA
Other languages
English (en)
Other versions
CN113556496B (zh
Inventor
张丽杰
朱丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202010326998.XA priority Critical patent/CN113556496B/zh
Priority to PCT/CN2021/088187 priority patent/WO2021213340A1/zh
Priority to US17/762,199 priority patent/US20220292638A1/en
Publication of CN113556496A publication Critical patent/CN113556496A/zh
Application granted granted Critical
Publication of CN113556496B publication Critical patent/CN113556496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234363—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the spatial resolution, e.g. for clients with a lower screen resolution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • H04N21/2355—Processing of additional data, e.g. scrambling of additional data or processing content descriptors involving reformatting operations of additional data, e.g. HTML pages
    • H04N21/2356—Processing of additional data, e.g. scrambling of additional data or processing content descriptors involving reformatting operations of additional data, e.g. HTML pages by altering the spatial resolution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440263—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the spatial resolution, e.g. for displaying on a connected PDA
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • H04N7/0117—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving conversion of the spatial resolution of the incoming video signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)

Abstract

本公开涉及图像处理技术领域，具体涉及一种视频分辨率提升方法及装置、计算机可读存储介质及电子设备，方法包括：获取多帧图像作为输入数据，并利用第一三维卷积层对输入数据进行特征提取得到初始数据；对初始数据进行预设倍数的下采样得到第一特征数据；利用第二三维卷积层对第一特征数据进行卷积运算将第一特征数据合并为一帧得到第一参考数据；对第一参考数据进行预设倍数的上采样得到第一输出数据。本公开实施例的技术方案有效解决了视频帧间抖动的问题；提升计算效率，有效的提升输出结果的图像细节。

Description

视频分辨率提升方法及装置、存储介质及电子设备
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种视频分辨率提升方法及装置、计算机可读存储介质及电子设备。
背景技术
随着计算机和图像处理技术的发展，视频图像的超分辨率技术为增强和放大低分辨率的视频提供了很好的解决方案。它可将低分辨率的视频进行更好的放大，从而可以在高分辨率的显示设备上进行显示。
视频图像超分辨率是一项非常有前景的技术，相比于传统的图像插值方法，超分辨率方法能够提供更加优异的图像视频放大效果。它可在图像放大的过程中保持图像的边缘和细节，从而得到更接近原始高分辨率图像的结果。但是相关技术中的视频超分辨率方法往往存在没有对输入图像进行较好的特征分析，导致输出图像缺少输入图像的部分细节；且大多均只允许一帧一帧的输入，会造成视频帧间抖动，且运算时间较高。
因此，有必要设计一种新的视频分辨率提升方法及装置、计算机可读存储介质及电子设备。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种视频分辨率提升方法及装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服相关技术中的视频超分辨率方法往往存在没有对输入图像进行较好的特征分析，导致输出图像缺少输入图像的部分细节；且大多均只允许一帧一帧的输入，会造成视频帧间抖动，且运算时间较高的技术问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供了一种视频分辨率提升方法，包括：
获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据；
对所述初始数据进行预设倍数的下采样得到第一特征数据；
利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据；
对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据。
在本公开的一种示例性实施例中，对所述初始数据进行预设倍数的下采样得到第一特征数据，包括：
对所述初始数据进行预设倍数的下采样，并对下采样后的初始数据利用所述第一三维卷积层进行特征提取得到第一特征数据。
在本公开的一种示例性实施例中，所述方法还包括：
对所述初始数据利用第二三维卷积层进行卷积运算将所述初始数据合并为一帧得到第二输出数据；
将所述第二输出数据和所述第一输出数据进行叠加，并利用第一三维卷积层进行卷积运算得到目标数据；
对所述目标数据进行多倍上采样得到超分辨率图像。
在本公开的一种示例性实施例中，对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据，包括：
对所述第一参考数据利用第一三维卷积层进行特征提取得到第二特征数据；
对所述第二特征数据进行所述预设倍数的上采样得到第一输出数据。
在本公开的一种示例性实施例中，所述方法还包括：
对所述第一特征数据进行第N次的超分操作；
其中，所述超分操作包括下采样操作、第一次特征提取操作、合并操作、第二次特征提取操作以及上采样操作；
其中，下采样操作包括对所述第一特征数据进行所述预设倍数的下采样；
第一次特征提取操作包括对下采样后的所述第一特征数据利用第一三维卷积层进行第一次特征提取操作得到第三特征数据；
合并操作包括将所述第三特征数据利用第二三维卷积层进行卷积运算将所述第三特征数据合并为一帧得到第二参考数据；
第二次特征提取操作包括利用第一三维卷积层对所述第二参考数据以及第N+1次的输出结果的叠加数据进行第二次特征提取操作得到第四特征数据；
上采样操作包括对所述第四特征数据进行所述预设倍数的上采样得到第三输出数据；
利用所述第三输出数据更新所述第一参考数据；
其中，第N+1次的下采样操作的输入为第N次所述超分操作的所述第一次特征提取操作的输出，N为从1开始递增的正整数。
在本公开的一种示例性实施例中，利用所述第三输出数据更新所述第一参考数据，包括：
利用第N+1次上采样操作输出更新第N次上采样操作输出的所述第三输出数据；
将所述第三输出数据与所述第一参考数据叠加得到新的第一参考数据。
在本公开的一种示例性实施例中，所述输入数据的特征参数包括通道数，并发数量，所述图像的高和宽以及时间；
其中所述并发数量为同时输入所述输入数据的数量。
在本公开的一种示例性实施例中，所述预设倍数为偶数。
根据本公开的一个方面，提供一种视频分辨率提升装置，包括：
数据输入子电路，被配置为用于获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据；
第一采样子电路，被配置为对所述初始数据进行预设倍数的下采样得到第一特征数据；
数据合并模块子电路，被配置为利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据；
第二采样子电路，被配置为对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任意一项所述的视频分辨率提升方法。
根据本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述任意一项所述的视频分辨率提升方法。
本公开实施例提供的技术方案可以包括以下有益效果：
本公开的一种实施例所提供的视频分辨率提升方法中，通过对获取到的输入数据利用第一三维卷积层对输入数据进行特征提取得到初始数据，并对初始数据进行预设倍数的下采样得到第一特征数据；利用第二三维卷积层对第一特征数据进行卷积运算将第一特征数据合并为一帧得到第一参考数据；对第一参考数据进行预设倍数的上采样得到第一输出数据。相较于现有技术，一方面，一次允许输入多帧数据，有效解决了视频帧间抖动的问题；另一方面，进行了预设倍数的上下采样，完成像素乱置，能够有效的提升计算效率，加速运算；再一方面，通过第一三维卷积层能够有效的对能够有效的对输入的多帧图像信息进行特征分析，有效的提升输出结果的图像细节。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示意性示出本公开一种示例性实施例中视频分辨率提升方法的流程图；
图2示意性示出本公开示例性实施例中下采样的原理图；
图3示意性示出本公开示例性实施例中上采样的原理图；
图4示意性示出本公开示例性实施例中对第一参考数据进行所述预设倍数的上采样得到第一输出数据的流程图；
图5示意性示出本公开示例性实施例中另一种示例性实施例中视频分辨率提升方法的流程图；
图6示意性示出本公开示例性实施例中当N取1时视频分辨率提升方法的原理图；
图7示意性示出本公开示例性实施例中一种视频分辨率提升装置的组成示意图；
图8示意性示出了适于用来实现本公开示例性实施例的电子设备的计算机系统的结构示意图；
图9示意性示出了根据本公开的一些实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参照附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例性实施例中，首先提供了一种视频分辨率提升方法。参照图1中所示，上述的视频分辨率提升方法可以包括以下步骤：
S110，获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据；
S120，对所述初始数据进行预设倍数的下采样得到第一特征数据；
S130，利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据；
S140，对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据。
根据本示例性实施例中所提供的视频分辨率提升方法中，相较于现有技术，一方面，一次允许输入多帧数据，有效解决了视频帧间抖动的问题；另一方面，进行了预设倍数的上下采样，完成像素乱置，能够有效的提升计算效率，加速运算；再一方面，通过第一三维卷积层能够有效的对能够有效的对输入的多帧图像信息进行特征分析，有效的提升输出结果的图像细节。
下面，将结合附图及实施例对本示例性实施例中的视频分辨率提升方法的各个步骤进行更详细的说明。
步骤S110，获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据。
在本公开的一种示例实施例中，输入数据可以包括多帧连续图像，例如，三帧连续图像、四帧连续图形或更多帧的连续图像等，采用连续图像能够使得视频分辨率的提升效果更好。在另一种示例实施方式中，输入数据还可以包括多帧非连续图像，在本示例实施方式中不对多帧图像做具体限定。
在本示例实施方式中，输入数据的特征参数可以表示为(B,T,H,W,C)；分别为包括图像的高H(hight)、宽W(width)和时间T(time)以及输入数据的并发数量B(batch)和通道数C(channel)。其中每一帧图形对应一个时间，输入数据的并发数量表示同时输入输入数据的数量，例如，当输入数据包括三帧连续图像时，每一个帧图像对应一个高、宽以及时间；当同时输入三组三帧连续图像时，此时的并发数量则为三。此时针对图像的特征参数包括了图像的高、宽以及时间，因此在本示例实施方式中通道数是三。
在本示例实施方式中，以输入数据包括3帧连续图像进行详细说明，输入数据包括三帧连续图像此时，时间T为3，只输入一组三帧连续数据，并发数量B为1，关于图形的输入数据还包括图像的高个宽，图形的高和宽是在输入图像确定后即可获得，此时通道数C为3。
在本示例实施方式中，利用第一三维卷积层对输入数据进行特征提取得到初始数据，在本示例实施方式中，第一三维卷积层不会改变输入数据的特征参数的种类，即输入为(B,T,H,W,C)输入也可以为(B,T,H,W,C)。第一三维卷积层的卷积核可以为1*3*3的矩阵，分别对应(T，H，W)，步长可以为(1，1，1)，分别对应(T，H，W)。
在步骤S120中，对所述初始数据进行预设倍数的下采样得到第一特征数据。
在本公开的一种示例实施方式中，服务器对经过第一三维卷积层进行特征提取得到的初始数据进行预设倍数的下采样，在本示例实施方式中，以2倍下采样为例进行说明，将原有初始数据的矩阵，分解为四个长宽均为原矩阵一般的小矩阵。参照图2所示，可以采用MUX完成对初始数据的下采样，采用MUX层将一个二维矩阵进行分解，分解为4个长、宽均为原矩阵一半的子矩阵。
在本示例实施方式中，预设倍数可以是2、4、6等偶数，采用偶数倍数的下采样能够较为简单的完成下采样；预设倍数也可以是大于1的奇数，即预设倍数可以是大于等于2的正整数，在本示例实施方式中不对预设倍数的具体数值进行详细限定。
在本示例实施方式中，对所述初始数据进行预设倍数的下采样得到第一特征数据可以包括对初始数据进行预设倍数的下采样，并对下采样后的初始数据第一三维卷积层进行特征提取得到第一特征数据。具体而言，对下采样后的初始数据利用第一三维卷积层进行特征提取，即对上述多个子矩阵进行特征提取，得到第一特征数据，在本示例实施方式中第一三维卷积层的卷积核和步长均可以是相同的，因此，此处不再赘述。
在步骤S130中，利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据。
在本公开的一种示例实施方式中，第二三维卷积层用于将上述第一特征数据合并为一帧的得到第一参考数据，在本示例实施方式中，第二三维卷积层的卷积核可以是3*3*3的矩阵，分别对应图像的时间、高度以及宽度，步长可以是(1，1，1)，此时若输入数据为三帧连续图像，则只需要利用一次第二卷积层进行卷积运算集合将三帧图像合并为一帧，其中一帧对应着一个时间；若输入数据为五帧连续图像，则需要利用两次第二卷积层进行卷积运算集合将三帧图像合并为一帧；输入数据为七帧连续图像，则需要利用三次第二卷积层进行卷积运算集合将三帧图像合并为一帧。
在本示例实施方式中，不对第二三维卷积层的卷积核以及步长做具体限定，只要能够将多帧第一特征数据合并为一帧得到第一参考数据即可。
在步骤S140中，对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据；
在本公开的一种示例实施方式中，服务器对上述第一参考数据进行预设倍数的上采样得到第一输出数据，在本示例实施方式中的上采样与下采样可以互为逆运算，以预设倍数为2时进行说明，即上采样可以采用demux层完成，参照图3所示，由于上述的下采样部分将初始数据下采样得到了四个子矩阵的第一特征数据，此时采用上采样可以将上述四个子矩阵组合成一个完整的大矩阵得到第一输出数据，此时第一输出数据中的图形的高和宽是上述第一特征数据表示图像的两倍。
在本示例实施方式中预设倍数可以是2、4、6等偶数，采用偶数倍数的上采样能够较为简单的完成上采样；预设倍数也可以是大于1的奇数，即预设倍数可以是大于等于2的正整数，在本示例实施方式中不对预设倍数的具体数值进行详细限定。
在另一种示例实施方式中，参照图4所示，对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据可以包括步骤S410到步骤S420，下面进行详细阐述。
在步骤S410中，对所述第一参考数据利用第一三维卷积层进行特征提取得到第二特征数据；
在本公开的一种示例实施方式中，对第一参考数据利用第一三维卷积层进行特征提取得到第二特征数据，在本方案中的第一三维卷积层的卷积核和步长均可以相同，因此，此处不再赘述
在步骤S420中，对所述第二特征数据进行所述预设倍数的上采样得到第一输出数据。
在本公开的一种示例实施方式中，对第二特征数据上进行上采样得到第一输出数据，本示例实施方式中的上采样与上述步骤S140中是相同的，因此，此处不再赘述。
在一种示例实施方式中，参照图5所示，本公开还可以包括步骤S510到步骤S530，下面对步骤S510到步骤S530进行详细阐述。
在步骤S510中，对所述初始数据利用第二三维卷积层进行卷积运算将所述初始数据合并为一帧得到第二输出数据；
在本公开的一种示例实施方式中，直接对上述初始数据利用第二三维卷积层进行卷积运算将初始数据合并为一帧得到第二输出数据，在本公开中的第二三维卷积层的卷积核可以都是相同的，也可以根据需求自定义，在本示例实施方式中不做具体限定。
在步骤S520中，将所述第二输出数据和所述第一输出数据进行叠加，并利用第一三维卷积层进行卷积运算得到目标数据；
在本公开的一种示例实施方式中，将上述得到的第二输出数据与第一输出数据做矩阵的相加，然后采用第一三维卷积层进行卷积运算再次进行特征提取得到目标数据，本公开的第一三维卷积层的卷积核以及步长均可以相同，因此，此处不再赘述。
在步骤S530中，对所述目标数据进行多倍上采样得到超分辨率图像。
在本公开的一种示例实施方式中，对目标数据进行多倍上采样得到超分辨率图像，此处的多倍上采样的倍数可以根据需求自定义，即可以根据需要将图像进行放大的倍数进行自定义，可以是两倍、三倍、四倍等，在本示例实施方式中不做具体限定。
在本公开的一种示例实施方式中，本公开视频分辨率提升方法还可以包括对上述第一特征数据进行第N次超分操作，其中超分操作可以包括下采样操作。第一次特征提取操作、合并操作、第二次特征提取操作以及上采样操作。
在本示例实施方式中，下采样操作可以包括对第一特征数据进行预设倍数的下采样；第一次特征提取操作可以包括对下采样后的第一特征数据利用第一三维卷积层进行第一次特征提取操作得到第三特征数据；合并操作包括将第三特征数据利用第二三维卷积层进行卷积运算将第三特征数据合并为一帧得到第二参考数据；第二次特征提取操作可以包括利用第一三维卷积层对第二参考数据以及第N+1次的输出结果的叠加数据进行第二次特征提取操作得到第四特征数据；上采样操作可以包括对第四特征数据进行预设倍数的上采样得到第三输出数据；利用第三输出数据更新第一参考数据；其中，第N+1次的下采样操作的输入为第N次超分操作的第一次特征提取操作的输出，N为从1开始递增的正整数。
在本示例实施方式中，服务器可以采用第N+1次的上采样操作的输出更新第N次超分操作的第三输出数据，然后采用第三输出数据更新第一参考数据。具体而言，服务器可以采用第N+1次的上采样操作的输出与原有的第三输出数据做矩阵相加得到新的第三输出数据以完成更新；采用更新后的第三输出数据与原有的第一参考数据进行矩阵相加以完成对第一参考数据的更新。
在本示例实施方式中，以N取1为例来进行详细说明，参照图6所示，输入数据可以从输入601输入，并经过第一三维卷积层602进行特征提取，得到初始数据，然后经由第二三维卷积层603进行合并操作得到第二输出数据；然后可以对初始数据进行预设倍数下采样611，对下采样后的初始数据利用第一三维卷积层612进行特征提取得到第一特征数据；之后可以利用第二三维卷积层613对第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据。对第一特征数据进行预设倍数下采样621，然后可以对下采样后的第一特征数据利用第一三维卷积层622进行第一次特征提取操作得到第三特征数据；将第三特征数据利用第二三维卷积层623进行卷积运算将第三特征数据合并为一帧得到第二参考数据，对第二参考数据利用第一三维卷积层624进行第二次特征提取得到第四特征数据。其次，服务器对第四特征数据进行预设倍数上采样625得到第三输出数据；利用第三特征数据更新第一参考数据并对第一参考数据利用第一三维卷积层614进行特征提取，得到第二特征数据，并对第二特征数据进行预设倍数上采样615得到第一输出数据，将第二输出数据和第一输出数据进行叠加，并利用第一三维卷积层604进行卷积运算得到目标数据，对目标数据进行多倍上采样605得到超分辨率图像606完成对图像分辨率的提升。
以下介绍本公开的装置实施例，可以用于执行本公开上述的视频分辨率提升方法。此外，在本公开的示例性实施方式中，还提供了一种视频分辨率提升装置。参照图7所示，所述视频分辨率提升装置700包括：数据输入子电路710，第一采样子电路720，数据合并子电路730，和第二采样子电路740。
其中，所述数据输入子电路710被配置为用于获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据；所述第一采样子电路720被配置为对所述初始数据进行预设倍数的下采样得到第一特征数据；数据合并子电路730被配置为利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据；第二采样子电路740被配置为对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据。
由于本公开的示例实施例的视频分辨率提升装置的各个功能模块与上述视频分辨率提升方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的视频分辨率提升方法的实施例。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述视频分辨率提升的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本公开的这种实施例的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。例如，所述处理单元810可以执行如图1中所示的步骤S110：获获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据，其中，所述第一三维卷积层不改变所述输入数据的特征参数；S120：对所述初始数据进行预设倍数的下采样，对下采样后的初始数据利用所述第一三维卷积层进行特征提取得到第一特征数据；S130：利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据；S140：对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据。
又如，所述的电子设备可以实现如图1和图5所示的各个步骤。
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)821和/或高速缓存存储单元822，还可以进一步包括只读存储单元(ROM)823。
存储单元820还可以包括具有一组(至少一个)程序模块825的程序/实用工具824，这样的程序模块825包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备870(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
参照图9，描述了根据本公开的实施例的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (11)

1.一种视频分辨率提升方法，其特征在于，包括：
获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据；
对所述初始数据进行预设倍数的下采样得到第一特征数据；
利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据；
对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据。
2.根据权利要求1所述的方法，其特征在于，对所述初始数据进行预设倍数的下采样得到第一特征数据，包括：
对所述初始数据进行预设倍数的下采样，并对下采样后的初始数据利用所述第一三维卷积层进行特征提取得到第一特征数据。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述初始数据利用第二三维卷积层进行卷积运算将所述初始数据合并为一帧得到第二输出数据；
将所述第二输出数据和所述第一输出数据进行叠加，并利用第一三维卷积层进行卷积运算得到目标数据；
对所述目标数据进行多倍上采样得到超分辨率图像。
4.根据权利要求1所述的方法，其特征在于，对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据，包括：
对所述第一参考数据利用第一三维卷积层进行特征提取得到第二特征数据；
对所述第二特征数据进行所述预设倍数的上采样得到第一输出数据。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述第一特征数据进行第N次的超分操作；
其中，所述超分操作包括下采样操作、第一次特征提取操作、合并操作、第二次特征提取操作以及上采样操作；
其中，下采样操作包括对所述第一特征数据进行所述预设倍数的下采样；
第一次特征提取操作包括对下采样后的所述第一特征数据利用第一三维卷积层进行第一次特征提取操作得到第三特征数据；
合并操作包括将所述第三特征数据利用第二三维卷积层进行卷积运算将所述第三特征数据合并为一帧得到第二参考数据；
第二次特征提取操作包括利用第一三维卷积层对所述第二参考数据以及第N+1次的输出结果的叠加数据进行第二次特征提取操作得到第四特征数据；
上采样操作包括对所述第四特征数据进行所述预设倍数的上采样得到第三输出数据；
利用所述第三输出数据更新所述第一参考数据；
其中，第N+1次的下采样操作的输入为第N次所述超分操作的所述第一次特征提取操作的输出，N为从1开始递增的正整数。
6.根据权利要求5所述的方法，其特征在于，利用所述第三输出数据更新所述第一参考数据，包括：
利用第N+1次上采样操作输出更新第N次上采样操作输出的所述第三输出数据；
将所述第三输出数据与所述第一参考数据叠加得到新的第一参考数据。
7.根据权利要求1所述的方法，其特征在于，所述输入数据的特征参数包括通道数，并发数量，所述图像的高和宽以及时间；
其中所述并发数量为同时输入所述输入数据的数量。
8.根据权利要求1所述的方法，其特征在于，所述预设倍数为偶数。
9.一种视频分辨率提升装置，其特征在于，包括：
数据输入子电路，被配置为用于获取多帧图像作为输入数据，并利用第一三维卷积层对所述输入数据进行特征提取得到初始数据；
第一采样子电路，被配置为对所述初始数据进行预设倍数的下采样得到第一特征数据；
数据合并模块子电路，被配置为利用第二三维卷积层对所述第一特征数据进行卷积运算将所述第一特征数据合并为一帧得到第一参考数据；
第二采样子电路，被配置为对所述第一参考数据进行所述预设倍数的上采样得到第一输出数据。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的视频分辨率提升方法。
11.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至8中任一项所述的视频分辨率提升方法。
CN202010326998.XA 2020-04-23 2020-04-23 视频分辨率提升方法及装置、存储介质及电子设备 Active CN113556496B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010326998.XA CN113556496B (zh) 2020-04-23 2020-04-23 视频分辨率提升方法及装置、存储介质及电子设备
PCT/CN2021/088187 WO2021213340A1 (zh) 2020-04-23 2021-04-19 视频分辨率提升方法及装置、存储介质及电子设备
US17/762,199 US20220292638A1 (en) 2020-04-23 2021-04-19 Video resolution enhancement method, storage medium, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010326998.XA CN113556496B (zh) 2020-04-23 2020-04-23 视频分辨率提升方法及装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN113556496A true CN113556496A (zh) 2021-10-26
CN113556496B CN113556496B (zh) 2022-08-09

Family

ID=78129378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010326998.XA Active CN113556496B (zh) 2020-04-23 2020-04-23 视频分辨率提升方法及装置、存储介质及电子设备

Country Status (3)

Country Link
US (1) US20220292638A1 (zh)
CN (1) CN113556496B (zh)
WO (1) WO2021213340A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937217A (zh) * 2023-03-09 2023-04-07 安格利(成都)仪器设备有限公司 一种利用3d卷积和相关性算子来自动检测腐蚀坑的方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118430A (zh) * 2018-08-24 2019-01-01 深圳市商汤科技有限公司 超分辨率图像重建方法及装置、电子设备及存储介质
CN109272450A (zh) * 2018-08-22 2019-01-25 复旦大学 一种基于卷积神经网络的图像超分方法
CN109360151A (zh) * 2018-09-30 2019-02-19 京东方科技集团股份有限公司 图像处理方法及系统、分辨率提升方法、可读存储介质
CN109829855A (zh) * 2019-01-23 2019-05-31 南京航空航天大学 一种基于融合多层次特征图的超分辨率重建方法
CN109862370A (zh) * 2017-11-30 2019-06-07 北京大学 视频超分辨率处理方法及装置
CN110136066A (zh) * 2019-05-23 2019-08-16 北京百度网讯科技有限公司 面向视频的超分辨率方法、装置、设备和存储介质
CN110276721A (zh) * 2019-04-28 2019-09-24 天津大学 基于级联残差卷积神经网络的图像超分辨率重建方法
CN110322400A (zh) * 2018-03-30 2019-10-11 京东方科技集团股份有限公司 图像处理方法及装置、图像处理系统及其训练方法
KR20190130478A (ko) * 2018-04-24 2019-11-22 주식회사 지디에프랩 인공지능 기반 해상도 개선 시스템
CN110717851A (zh) * 2019-10-18 2020-01-21 京东方科技集团股份有限公司 图像处理方法及装置、神经网络的训练方法、存储介质
EP3617947A1 (en) * 2018-08-30 2020-03-04 Nokia Technologies Oy Apparatus and method for processing image data
CN111028150A (zh) * 2019-11-28 2020-04-17 武汉大学 一种快速时空残差注意力视频超分辨率重建方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11024009B2 (en) * 2016-09-15 2021-06-01 Twitter, Inc. Super resolution using a generative adversarial network
CN107527044B (zh) * 2017-09-18 2021-04-30 北京邮电大学 一种基于搜索的多张车牌清晰化方法及装置
CN108830790B (zh) * 2018-05-16 2022-09-13 宁波大学 一种基于精简卷积神经网络的快速视频超分辨率重建方法
CN109003229B (zh) * 2018-08-09 2022-12-13 成都大学 基于三维增强深度残差网络的磁共振超分辨率重建方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109862370A (zh) * 2017-11-30 2019-06-07 北京大学 视频超分辨率处理方法及装置
CN110322400A (zh) * 2018-03-30 2019-10-11 京东方科技集团股份有限公司 图像处理方法及装置、图像处理系统及其训练方法
KR20190130478A (ko) * 2018-04-24 2019-11-22 주식회사 지디에프랩 인공지능 기반 해상도 개선 시스템
CN109272450A (zh) * 2018-08-22 2019-01-25 复旦大学 一种基于卷积神经网络的图像超分方法
CN109118430A (zh) * 2018-08-24 2019-01-01 深圳市商汤科技有限公司 超分辨率图像重建方法及装置、电子设备及存储介质
EP3617947A1 (en) * 2018-08-30 2020-03-04 Nokia Technologies Oy Apparatus and method for processing image data
CN109360151A (zh) * 2018-09-30 2019-02-19 京东方科技集团股份有限公司 图像处理方法及系统、分辨率提升方法、可读存储介质
CN109829855A (zh) * 2019-01-23 2019-05-31 南京航空航天大学 一种基于融合多层次特征图的超分辨率重建方法
CN110276721A (zh) * 2019-04-28 2019-09-24 天津大学 基于级联残差卷积神经网络的图像超分辨率重建方法
CN110136066A (zh) * 2019-05-23 2019-08-16 北京百度网讯科技有限公司 面向视频的超分辨率方法、装置、设备和存储介质
CN110717851A (zh) * 2019-10-18 2020-01-21 京东方科技集团股份有限公司 图像处理方法及装置、神经网络的训练方法、存储介质
CN111028150A (zh) * 2019-11-28 2020-04-17 武汉大学 一种快速时空残差注意力视频超分辨率重建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林琦等: "基于多尺度特征残差学习卷积神经网络的视频超分辨率方法", 《信号处理》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937217A (zh) * 2023-03-09 2023-04-07 安格利(成都)仪器设备有限公司 一种利用3d卷积和相关性算子来自动检测腐蚀坑的方法

Also Published As

Publication number Publication date
US20220292638A1 (en) 2022-09-15
WO2021213340A1 (zh) 2021-10-28
CN113556496B (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN111587447B (zh) 帧循环视频超分辨率
JP7317070B2 (ja) 人顔の超解像度の実現方法、装置、電子設備、記憶媒体、及びプログラム
CN107204023B (zh) 避免绘制在canvas画布中的图形失真的方法和装置
US10032257B2 (en) Super resolution processing method, device, and program for single interaction multiple data-type super parallel computation processing device, and storage medium
CN110913218A (zh) 一种视频帧预测方法、装置及终端设备
CN110544214A (zh) 一种图像修复方法、装置及电子设备
WO2020186765A1 (zh) 视频处理方法、装置以及计算机存储介质
CN114073071A (zh) 视频插帧方法及装置、计算机可读存储介质
CN111651966A (zh) 数据报告文件生成方法、装置与电子设备
CN113556496B (zh) 视频分辨率提升方法及装置、存储介质及电子设备
CN110913219A (zh) 一种视频帧预测方法、装置及终端设备
CN114692765A (zh) 视频时空超分模型构建方法、装置、设备及可读存储介质
JP2023524624A (ja) 画像フォーマットを変換する方法、装置、電子機器、記憶媒体およびプログラム
CN116664409B (zh) 图像超分辨率重建方法、装置、计算机设备及存储介质
US11195248B2 (en) Method and apparatus for processing pixel data of a video frame
CN111083479A (zh) 一种视频帧预测方法、装置及终端设备
CN107506119B (zh) 一种图片显示方法、装置、设备和存储介质
CN115830428A (zh) 降水临近预测图像生成方法、系统、电子装置和存储介质
WO2020187042A1 (zh) 图像处理方法、装置、设备以及计算机可读介质
CN112911367B (zh) 视频播放界面的处理方法、装置和电子设备
CN110830806A (zh) 一种视频帧预测方法、装置及终端设备
CN113592723A (zh) 视频增强方法及装置、电子设备、存储介质
US20140055498A1 (en) Method for scaling video data, and an arrangement for carrying out the method
Han et al. Edge-directed single image super-resolution via cross-resolution sharpening function learning
CN113096011B (zh) 图像处理方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant