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！

龙图腾网获悉浙江大学申请的专利基于深度学习的流动场景图像超分辨率重建方法及装置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：CN119444576B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411582168.8，技术领域涉及：G06T3/4053；该发明授权基于深度学习的流动场景图像超分辨率重建方法及装置是由唐晓宇;张怀治;李逸东;刘文思;林锟炜;宋炜廷;周凯茜;杨思诚设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本基于深度学习的流动场景图像超分辨率重建方法及装置在说明书摘要公布了：本发明公开了一种基于深度学习的流动场景图像超分辨率重建方法及装置，包括获取流体流速数据集，所述流体流速数据集中的数据具有时间和地理两个维度；对所述流体流速数据集进行预处理，得到低分辨率图像和高分辨率图像；搭建基于反卷积神经网络的超分辨率模型，所述超分辨率模型包括一个反卷积层和若干个卷积层；对所述超分辨率模型的损失函数进行改进，具体为：在L1Charbonnier损失的基础上增加分段函数，根据阈值调整权重大小；利用所述低分辨率图像和高分辨率图像对所述超分辨率模型进行训练；将训练好的超分辨率模型对低分辨率图像进行重建，得到高分辨率流场图像。对流动场景下图像超分辨率研究具有较好的效果和实用价值。

本发明授权基于深度学习的流动场景图像超分辨率重建方法及装置在权利要求书中公布了：1.一种基于深度学习的流动场景图像超分辨率重建方法，其特征在于，包括： 获取流体流速数据集，所述流体流速数据集中的数据具有时间和地理两个维度； 对所述流体流速数据集进行预处理，得到低分辨率图像和高分辨率图像； 搭建基于反卷积神经网络的超分辨率模型； 对所述超分辨率模型的损失函数进行改进，具体为：在L1Charbonnier损失的基础上增加分段函数，根据阈值调整权重大小； 利用所述低分辨率图像和高分辨率图像对所述超分辨率模型进行训练； 将训练好的超分辨率模型对低分辨率图像进行重建，得到高分辨率流场图像； 其中，对所述流体流速数据集进行预处理，包括： 以所述流体流速数据集中风速的最大值和最小值来确定绘图的色阶，使用等高线图的方法来绘制流体流速图像，作为高分辨率图像； 对所述流体流速图像进行步长为n的等间距的网格化采样，获取像素规模为的低分辨率输入图像，与高分辨率图像配对构成流体流速数据集; 改进后的损失函数表达式为： 其中，是计算值和真实值的偏差，是一个平滑参数，为阈值，为梯度的缩小系数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。