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！

龙图腾网获悉上海大学申请的专利一种基于通道分离深度神经网络的红外图像超分辨率重建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115526778B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211234391.4，技术领域涉及：G06T3/4053；该发明授权一种基于通道分离深度神经网络的红外图像超分辨率重建方法是由胡越黎;张海坤;燕明;马斌设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种基于通道分离深度神经网络的红外图像超分辨率重建方法在说明书摘要公布了：本发明公开了一基于通道分离深度神经网络的红外图像超分辨率重建方法，包括如下步骤：准备训练数据集：根据已有的高分辨率红外图像数据集，通过双三次插值模拟退化过程，生成对应的低分辨率红外图像；构建深度神经网络模型：包括浅层特征抽取模块、深层特征抽取模块和图像重构模块；训练深度神经网络模型：设置好超参数，将成对的低分辨率和高分辨率红外图像输入所述网络模型，通过反向传播算法更新网络权重，直至达到所设定的最大迭代次数；保存网络模型，以供后续用来测试红外图像超分辨率重建效果。所述方法能够在提升已捕获的低分辨率红外图像分辨率的同时，较好的还原其边缘和纹理，为后续运动分割和追踪等提供坚实基础。

本发明授权一种基于通道分离深度神经网络的红外图像超分辨率重建方法在权利要求书中公布了：1.一种基于通道分离深度神经网络的红外图像超分辨率重建方法，其特征在于包括如下步骤： S1准备训练数据集：根据已有的高分辨率红外图像数据集，通过双三次插值模拟退化过程，生成对应的低分辨率红外图像； S2构建深度神经网络模型：包括浅层特征抽取模块、深层特征抽取模块和图像重构模块； S3训练深度神经网络模型：设置好超参数，将成对的低分辨率和高分辨率红外图像输入所述网络模型，通过反向传播算法更新网络权重，直至达到所设定的最大迭代次数； S4保存网络模型，以供后续用来测试红外图像超分辨率重建效果； 浅层特征抽取模块包括卷积核大小均为3×3的两个卷积层构成，其通道数依次为20和40；浅层特征抽取模块用于对输入的低分辨率红外图像初步提取浅层特征，浅层特征抽取模块内的操作可表示为： 其中，fi×i·表示卷积核大小为i×i的卷积操作，ISFE表示浅层特征抽取模块的输出； 深层特征抽取模块包括16个通道分离像素注意力残差模块，用于抽取高频特征；使用通道分离方法，即每个通道分离像素注意力残差模块的输出首先在通道维度分离，一部分通道的特征被送往下一个通道分离像素注意力残差模块继续抽取特征，一部分通过旁路特征抽取模块；通道分离操作可表示为： 其中，fchannel-split·表示通道分离操作，xi表示第i个通道分离像素注意力残差模块的输出；表示通道分离后送往下一个通道分离像素注意力残差模块处理的特征，表示送往旁路特征抽取模块处理的特征；特别地： 其中，表示第一个通道分离像素注意力残差模块的输入，不经过旁路特征处理，直接与最后一个通道分离像素注意力残差模块的输出在通道维度连接； 旁路特征处理模块通过在通道维度连接旁路特征从而简单高效地实现特征提取，旁路特征处理模块内的操作可表示为： 其中，IBypass表示旁路特征提取模块的总输出，fc,表示沿着通道维度连接特征图； 16个通道分离像素注意力残差模块内的操作可表示为： 其中，ITrunk表示第16个通道分离像素注意力残差模块的输出； 通道分离像素注意力残差模块的输入经过通道分离后，一部分特征交由像素注意力模块处理，另一部分特征通过仅有一个卷积核大小为3×3的卷积层，在通道分离像素注意力残差模块内部使用残差连接； 深层特征抽取模块的总输出可表示为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海大学，其通讯地址为：200444 上海市宝山区上大路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。