Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学周文晖获国家专利权

杭州电子科技大学周文晖获国家专利权

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!

龙图腾网获悉杭州电子科技大学申请的专利基于局部神经几何学习的光场空-角连续域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:CN119477697B

龙图腾网通过国家知识产权局官网在2025-10-17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:202411606722.1,技术领域涉及:G06T3/4053;该发明授权基于局部神经几何学习的光场空-角连续域超分辨率方法是由周文晖;汪启明;孟佳涵;吴陈宇;张桦;戴国骏设计研发完成,并于2024-11-11向国家知识产权局提交的专利申请。

基于局部神经几何学习的光场空-角连续域超分辨率方法在说明书摘要公布了:本发明公开了基于局部神经几何学习的光场空‑角连续域超分辨率方法,属于深度学习与计算机视觉领域,包括S1、获取光场极几何图像,并构建神经网络模型;S2、将光场图像的子孔径图像阵列送入空‑角感知几何编码模块,得到空‑角感知的潜在几何编码;S3、将空‑角感知的潜在几何编码送入局部神经几何学习模块,得到空‑角连续域潜在几何编码;S4、将空‑角连续域潜在几何编码送入扩展渲染模块,得到光场图像;S5、设置损失函数;S6、利用神经网络模型,进行光场‑空角连续域超分辨率任务测试;本发明提供的基于局部神经几何学习的光场空‑角连续域超分辨率方法,可实现光场图像空间维度和角度维度同时且任意尺度的超分辨率。

本发明授权基于局部神经几何学习的光场空-角连续域超分辨率方法在权利要求书中公布了:1.基于局部神经几何学习的光场空-角连续域超分辨率方法,以稀疏且低分辨率的子孔径图像阵列作为输入,送入神经网络模型,绘制得到任意空间和角度分辨率的子孔径图像阵列,其特征在于,包括以下步骤: S1、获取光场极几何图像,并构建光场空-角连续域超分辨率神经网络模型,包括空-角感知几何编码模块、局部神经几何学习模块和扩展渲染模块; S2、将稀疏且低分辨率光场图像的子孔径图像阵列送入空-角感知几何编码模块,得到空-角感知的潜在几何编码; S3、将空-角感知的潜在几何编码送入局部神经几何学习模块,得到空-角连续域潜在几何编码; S4、将空-角连续域潜在几何编码送入扩展渲染模块,得到致密且高分辨率的光场图像; S5、为神经网络模型设置损失函数; S6、利用训练好的神经网络模型,在测试数据集上进行光场-空角连续域超分辨率任务测试; S2为将稀疏且低分辨率的光场图像先输入到一个卷积核为3×3的卷积层,得到维度为的初始特征图阵列,再输入到空-角感知几何编码模块,得到空-角感知的潜在几何编码,空-角感知几何编码模块由EPIConv模块、SAConv模块和空-角感知的Transformer模块组成;对于光场图像,EPIConv模块用于提取水平EPI图像和垂直EPI图像中的EPI几何特征,SAConv模块用于提取和平面上的空间和角度特征,空-角感知的Transformer模块用于获取EPIConv模块与SAConv模块所得特征的全局依赖关系; S3具体包括: 局部神经几何学习模块由一个LIGF_h模块和一个LIGF_V模块组成的级联结构;根据分而治之的学习策略,将潜在几何编码的光场隐函数学习转化为水平和垂直的二维光场极几何隐函数级联学习,为: 根据水平EPI图像提取方法,首先将分解为个水平潜在几何编码,然后采用局部隐式图像函数方法将插值到潜在特征图;最后将和送入激活层为ReLU、具有256层隐藏层的MLP,将隐式编码的局部特征映射到水平特征图的对应坐标,得到光场水平方向完整的潜在几何编码; 根据垂直EPI图像提取方法,首先将分解为个水平潜在几何编码,然后采用局部隐式图像函数方法将插值到潜在特征图;最后将和送入激活层为ReLU、具有256层隐藏层的MLP,将隐式编码的局部特征映射到垂直特征图的对应坐标,得到光场水平方向的潜在几何编码; S4具体包括: 空-角连续域潜在几何编码送入到3个三维卷积层级联组成的渲染模块,每一层的卷积核大小为1×1,将逐步压缩光场空-角连续域潜在几何编码的特征通道数至目标输出通道数,并重塑为光场宏像素图像;最终转换成光场子孔径阵列图像,为; S5中的网络模型采用输出视图和GT视图之间的绝对值误差作为损失函数,具体包括: 输出的高空-角分辨率子孔径阵列图像和真实高空-角分辨率子孔径图像之间的损失函数的计算公式为: S6具体包括: 将光场视作一个倍子孔径阵列,在此阵列中,通过步长间隔获得一个与原始光场角度分辨率对齐的子孔径阵列,记作;将与原始光场图像在结构相似性指数以及峰值信噪比两个指标上进行评估,将的评估结果作为光场空-角连续域超分辨率任务测试的评估结果。

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杭州电子科技大学,其通讯地址为:310000 浙江省杭州市钱塘区下沙高教园区;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。