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 > 环天智慧科技股份有限公司覃鸿获国家专利权

环天智慧科技股份有限公司覃鸿获国家专利权

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!

龙图腾网获悉环天智慧科技股份有限公司申请的专利一种基于多尺度混合注意力的无人机影像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:CN120655511B

龙图腾网通过国家知识产权局官网在2025-11-04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:202511149616.X,技术领域涉及:G06T3/4076;该发明授权一种基于多尺度混合注意力的无人机影像超分辨率方法是由覃鸿;邹云坤;张永新;赵凌园;张焰设计研发完成,并于2025-08-18向国家知识产权局提交的专利申请。

一种基于多尺度混合注意力的无人机影像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多尺度混合注意力的无人机影像超分辨率方法,步骤如下:先切割获取的无人机影像制作数据集;再对影像降质,分别得低、高分辨率图像数据集;接着创建并训练HTMA‑RS模型;最后拼接模型输出的高分辨率图像,获完整高分辨率航拍影像。超分辨率技术能从低分辨率影像重建高分辨率影像,恢复建筑纹理等细节,增加像素数量,使图像细腻、放大不易模糊。多尺度混合注意力机制从不同尺度提取特征,大小尺度分别把握精细纹理与整体结构。注意力机制让模型聚焦重要区域,抑制干扰。训练后的HTMA‑RS模型准确学习影像映射关系,保障重建质量,为无人机影像在多领域应用提供高质量图像支持。

本发明授权一种基于多尺度混合注意力的无人机影像超分辨率方法在权利要求书中公布了:1.一种基于多尺度混合注意力的无人机影像超分辨率方法,其特征在于:包括以下步骤: 步骤S1,准备已经获取到的无人机影像,对其进行切割用以制作数据集; 步骤S2,对获取的无人机影像数据进行降质处理,降质后的图像作为低分辨率图像数据集,同时将对应的高分辨率图像作为高分辨率图像数据集; 步骤S3,创建并训练HTMA-RS模型;创建HTMA-RS模型具体为:HTMA-RS模型包括多尺度Transformer模块、多通道-多空间混合注意力模块、特征融合重建模块; 多尺度Transformer模块用于对输入图像多尺度特征的提取,具体为:首先将输入图像划分为固定大小的非重叠块,假设输入图像大小为H×W,每个块的大小为P×P,则图像被划分为个块;对每个块进行线性嵌入,将每个块映射到一个高维特征空间;假设输入块的通道数为,嵌入后的特征维度为D,则线性嵌入过程可以表示为: 其中,和分别表示线性嵌入的权重和偏置;SwinT采用窗口内多头自注意力W-MSA和跨窗口多头自注意力SW-MSA交替进行特征提取; W-MSA在固定大小的窗口内进行自注意力计算,设窗口大小为M×M,则在每个窗口内,计算多头自注意力: 式中,、、分别表示查询、键和值矩阵,表示键的维度,表示加权特征矩阵; SW-MSA通过窗口的滑动机制,实现跨窗口的特征交互,滑动窗口大小为; 多通道-多空间混合注意力模块引入通道和空间维度的混合注意力机制,增强对遥感影像中不同区域和特征的关注,具体计算为: 假设从SwinTransformer提取的多尺度特征为,其中表示第i层的特征图,、、分别表示第i层特征图的通道数、高度和宽度;使用全局平均池化GlobalAveragePooling,GAP和全局最大池化GlobalMaxPooling,GMP获取通道特征向量,其中GAP提取的是每个通道的平均值,关注全局上下文;GMP提取的是每个通道的最大值,关注最显著的特征: 式中,是第i个阶段的特征图,是通道索引,是高度索引,是宽度索引,表示特征图在通道c、高度h、宽度w位置的值,是对特征图的通道c应用全局最大池化后的结果; 将两个池化结果拼接并通过一个共享的全连接层生成通道权重: 其中,表示激活函数,为全连接层权重,表示通道注意力权重向量;通过通道注意力权重对特征图进行加权: 式中,表示经过加权后的第i个阶段的特征图; 空间注意力机制通过学习每个空间位置的重要性权重来选择性地增强特征;使用全局平均池化和全局最大池化获取空间特征图: 其中, 表示空间维度的全局平均池化;表示特征图在通道c上的空间特征图,维度为,即一个二维矩阵; 其中,表示空间维度的全局最大池化,表示对所有通道,在每个空间位置h,w上取最大值; 将两个池化结果拼接并通过一个共享的卷积层生成空间权重:通过空间权重对特征图进行加权:将处理后的多尺度特征进行上采样和拼接,得到融合特征图; 特征融合重建模块使用3x3卷积层和像素shuffle层将特征图转换为高分辨率图像; 首先使用卷积层将拼接后的特征图融合为单个特征图: 式中,conv·表示3x3的卷积层,表示融合特征图,通道数为,尺寸为; 通过一个1x1卷积层将融合特征图变换为三通道特征图: 式中,表示1x1的卷积层,表示输出的三通道特征图; 步骤S4,对模型输出的高分辨率图像进行拼接;得到完整的高分辨率实时航拍影像。

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环天智慧科技股份有限公司,其通讯地址为:620500 四川省眉山市仁寿县视高街道中粮加州智慧城B座2层;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。