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！

龙图腾网获悉燕山大学申请的专利一种基于SRCNN补充模块的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：CN115063292B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202210589659.X，技术领域涉及：G06T3/4053；该发明授权一种基于SRCNN补充模块的超分辨率重建方法是由侯培国;陈蔚瑞设计研发完成，并于2022-05-26向国家知识产权局提交的专利申请。

本一种基于SRCNN补充模块的超分辨率重建方法在说明书摘要公布了：本发明公开了一种基于SRCNN补充模块的超分辨率重建方法，属于计算机视觉技术领域，方法包括：对数据集进行预处理，通过双三次线性插值的方法获取低分辨率图像；将低分辨率图像和对应原始的高分辨率图像进行分块处理；将分块处理后的图像块取其亮度通道作为重建模型输入数据；构建重建模型，初始化模型参数，确定均方差误差作为损失函数；输入训练集中的低分辨率图像得到重建图像，利用Adam优化器更新模型参数，经过迭代计算获得训练好的重建模型；将低分辨率图像输入到训练好的重建模型中获得高分辨率图像。本发明能够将置0的信息补充到模型中去，能够提高模型的性能，经过三层卷积操作后能够得到重建后的高分辨图像。

本发明授权一种基于SRCNN补充模块的超分辨率重建方法在权利要求书中公布了：1.一种基于SRCNN补充模块的超分辨率重建方法，其特征在于：包括以下步骤： 步骤1：对数据集进行预处理，通过双三次线性插值的方法获取低分辨率图像； 步骤2：将获取的低分辨率图像和对应原始的高分辨率图像进行分块处理； 步骤3：将分块处理后的图像块取其亮度通道作为重建模型输入数据； 步骤4：构建基于SRCNN补充模块的超分辨率的重建模型，Relu函数作为重建模型的激活函数，rRelu函数提取置0的负值信息传入到SRCNN补充模块中，初始化重建模型参数，确定均方差误差作为损失函数； SRCNN补充模块位于网络卷积层之后，rRelu函数位于SRCNN补充模块中的卷积层之前，SRCNN补充模块由rRelu函数与1*1卷积层构成； Relu函数解析式为： Relu＝max0,x rRelu函数解析式为： rRelu＝min0,x 基于SRCNN补充模块的超分辨率的重建模型包括： 第一层卷积层，用于对图像块的提取，表示为高纬度的矢量，包括特征映射，特征映射的数量等于适量的维度； 第二层卷积层，用于将高纬矢量非线性的映射到另一个高维矢量上，包括了另一组特征映射，是高分辨率图像块的表达，这层卷积被称为非线性映射； 第三层卷积，用于对图像块进行重建，将以上两层的得到的高分辨率特征合成完整的图像； 滤波器的权重和参数优化过程： 第一层操作表示为： F0Y＝max0,W0*Y+B0 第二层操作表示为： F1Y＝max0,W1*F0Y+B1 第三层操作表示为： F2Y＝W2*F1Y+B2 其中，W代表滤波器，B代表积，*代表卷积操作； 重建模型利用Adam优化器来更新参数，在重建模型的三层网络结构中，前两层卷积层学习率为10-4，第三层学习率为10-5； 步骤5：输入训练集中的低分辨率图像得到重建图像，与原始的高分辨率图像对比计算，利用Adam优化器更新模型参数，使重建图像与原始高分辨率图像差异最小，经过迭代计算获得训练好的重建模型； 步骤6：将需要重建的低分辨率图像输入到训练好的重建模型中获得相应的高分辨率图像。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。