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！

龙图腾网获悉长春理工大学申请的专利基于生成模糊核的零样本红外超分辨率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：CN119963414B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510051852.1，技术领域涉及：G06T3/4053；该发明授权基于生成模糊核的零样本红外超分辨率方法是由张之潆;马元;詹伟达;唐雁峰;王春阳;池守鑫;于国栋;邢健设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本基于生成模糊核的零样本红外超分辨率方法在说明书摘要公布了：本发明公开了一种基于生成模糊核的零样本红外超分辨率方法，涉及涉及超分辨率重建技术领域，包括以下步骤：准备数据集，退化核估计，构建超分网络，训练网络模型，重建性能指标计算。本发明设计了一种新的模糊核估计方式，构建了一种简单高效且无需预训练的超分网络，实验结果表明，本发明在多个标准数据集上都表现出了优越的超分辨率效果和较高的鲁棒性；本发明适用于各种低分辨率红外图像的超分辨率重建，尤其在军事监控、医学成像、环境检测等对图像分辨率要求较高的领域有着重要应用价值。

本发明授权基于生成模糊核的零样本红外超分辨率方法在权利要求书中公布了：1.一种基于生成模糊核的零样本红外超分辨率方法，其特征在于，包括以下步骤： S1.数据预处理：从红外图像数据集中随机选取待处理的红外低分辨率图像，所述数据集支持多种红外成像设备的图像格式； S2.退化核估计：建立生成对抗网络模型，在生成器中输入噪声退化，通过生成器输出退化核，该退化核与高分辨率图像进行卷积并叠加高斯噪声，生成退化后的低分辨率图像ILR′；裁取生成的图像中的一块区域作为生成补丁，与输入图像裁取的真实补丁一起输入判别器进行真伪判断，当判别器难以区分真伪时，确定生成器的权重接近真实的退化核； S3.构建超分网络：使用设计的派生卷积残差块构建超分辨率网络，并引入两路跳连接，第一路跳连接将插值后的图像和第二卷积块输出相加，主支路用于预测图像的残差；第二路跳连接第一个卷积块的输出和最后一派生卷积残差块的输出相加； S4.训练网络模型：通过生成器和判别器的对抗训练，生成退化核，将生成的退化核与待重建图像卷积并叠加噪声生成退化图像，输入超分辨率网络中进行训练，优化损失函数提升性能，生成重建图像； S5.重建性能指标计算：使用峰值信噪比和结构相似性指数对重建图像质量进行客观评价； 在步骤S4中，在生成器和判别器的对抗训练中，整个网络的损失函数表达式定义如下： 其中，表示为： 其中，α＝0.5，β＝0.5，γ＝5，δ＝1，为正则项，用来约束G网络train过程中提取的退化核，组成如下： 表示退化核元素的累计和为1； 表示m为常数加权mask，权重对着中心距离的增加而增大，越接近边界惩罚越大，值越小； 表示退化核的稀疏性，防止过平滑； 表示退化核的质量中心为核的几何中心； 在超分辨率网络中进行训练中，设计一种复合损失函数，包括像素均方误差损失和全变分正则项； 在真实条件退化模型下，真实条件退化场景的损失函数设计如下： loss2＝MSE+λ2·lossTV； 其中，所述MSE是像素均方误差损失，定义如下： 所述lossTV是全变分正则项，定义如下： lossTV＝∑i,jxi,j-1-xi,j2+xi+1,j-xi,j2； 训练过程中使用Adam优化算法，初始学习率选择为0.001；通过迭代过程逐步优化网络，损失函数的函数值阈值设定在0.005左右。

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长春理工大学，其通讯地址为：130012 吉林省长春市卫星路7089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”。