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！

龙图腾网获悉华中科技大学申请的专利基于频域分离网络的轻量图像超分辨率重建方法和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：CN115775206B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202211677276.4，技术领域涉及：G06T3/4053；该发明授权基于频域分离网络的轻量图像超分辨率重建方法和装置是由高常鑫;孙奕诗;桑农设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本基于频域分离网络的轻量图像超分辨率重建方法和装置在说明书摘要公布了：本发明公开了一种基于频域分离网络的轻量图像超分辨率重建方法和装置，属于图像处理技术领域，所述方法包括：S1：利用预设尺寸的卷积对待处理的低分辨率图像进行浅层特征提取获得浅层特征；S2：利用基于频域分离网络的傅里叶残差模块组对浅层特征进行深层特征提取得到各模块对应的深层特征；S3：合并各模块对应的深层特征再利用卷积进行特征融合得到融合特征；S4：将浅层信息作为残差信息和融合特征进行结合，从而生成高分辨率图像。本发明设计基于频域分离网络对应的傅里叶残差模块组，减少了冗余结构，在保持网络良好性能的同时大大的减少所需要的参数量和算力，由此解决现有图像超分辨率重建方法计算复杂度高的技术问题。

本发明授权基于频域分离网络的轻量图像超分辨率重建方法和装置在权利要求书中公布了：1.一种基于频域分离网络的轻量图像超分辨率重建方法，其特征在于，包括： S1：利用预设尺寸的卷积对待处理的低分辨率图像进行浅层特征提取，获得浅层特征； S2：利用基于频域分离网络的傅里叶残差模块组对所述浅层特征进行深层特征提取，得到各所述基于频域分离网络的傅里叶残差模块对应的深层特征； S3：将各所述基于频域分离网络的傅里叶残差模块对应的深层特征进行合并，再利用卷积进行特征融合得到融合特征； S4：将所述浅层特征作为残差信息和所述融合特征进行结合，从而生成高分辨率图像； 所述S2包括： S21：将所述浅层特征输入第一个基于频域分离网络的傅里叶残差模块，所述基于频域分离网络的傅里叶残差模块执行如下操作： 利用频域分离网络进行高低频分离得到第一低频信息和第一高频信息；将所述第一低频信息输入预设网络进行特征提取得到第二低频信息；将所述第一高频信息输入高频蒸馏模块依照通道进行拆分得到和；经过一层FFC进行特征提取得第一层蒸馏特征；经过快速傅里叶模块FFCB进行特征提取，FFCB包括FFC和GELU激活函数；其中，作为残差和通过所述FFCB中FFC生成的特征相加一起送入所述GELU激活函数得到；将作为待处理特征执行利用所述第一高频信息得到和的过程得到和；将作为待处理特征执行利用所述第一高频信息得到和的过程得到和；对进行FFCB和FFC特征提取得到最终蒸馏特征；将输入第一高频信息和相加一起送入卷积进行特征融合，再送入空间注意力层得到第二高频信息；将所述第二高频信息和所述第二低频信息叠加，得到第一个所述基于频域分离网络的傅里叶残差模块对应的深层特征； S22：将所述S21得到的结果输入第二个所述基于频域分离网络的傅里叶残差模块，得到第二个所述基于频域分离网络的傅里叶残差模块对应的深层特征，多次迭代得到第三至第N个所述基于频域分离网络的傅里叶残差模块对应的深层特征。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。