济南大学;山东青鸟工业互联网有限公司李忠涛获国家专利权
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!
龙图腾网获悉济南大学;山东青鸟工业互联网有限公司申请的专利基于空间通道联合注意力的汽车零部件图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:CN120355575B 。
龙图腾网通过国家知识产权局官网在2025-11-18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:202510846796.0,技术领域涉及:G06T3/4053;该发明授权基于空间通道联合注意力的汽车零部件图像超分辨率方法是由李忠涛;范佳豪;许浩;苏冠群;袁鹏;张利杰;刘博文;王凯;张波设计研发完成,并于2025-06-24向国家知识产权局提交的专利申请。
本基于空间通道联合注意力的汽车零部件图像超分辨率方法在说明书摘要公布了:本发明提出了基于空间通道联合注意力的汽车零部件图像超分辨率方法,涉及计算机视觉领域,首先,将图像分为高频和低频两部分,分别进行处理;对于高频信息,通过增强其细节特征,提升图像清晰度;对于低频信息,通过去除冗余并增强低频特征,使其更加突出;接着,将高频和低频特征进行融合,随后通过空间通道联合注意力块进一步增强特征;最后,通过上采样操作将融合后的特征恢复到高分辨率空间,得到超分辨率图像;该方法有效改善图像细节和结构信息,显著提升超分辨图像的质量。
本发明授权基于空间通道联合注意力的汽车零部件图像超分辨率方法在权利要求书中公布了:1.基于空间通道联合注意力的汽车零部件图像超分辨率方法,其特征在于,包括以下步骤: S1、使用工业相机拍摄汽车零部件,得到低分辨率汽车零部件图像; S2、构建高频特征增强模块,高频特征增强模块包含高频特征提取、3x3卷积和ReLU激活函数; S3、构建低频特征增强模块,低频特征增强模块包含低频特征提取、阈值化冗余去除和局部自适应; S4、构建空间通道联合注意力块,空间通道联合注意力块由上、下两个分支组成,上、下两个分支分别为改进的空间注意力和通道注意力,最后,将上下分支的输出通过元素级乘法与原始特征图相乘; S41、空间通道联合注意力块分为上分支和下分支,输入处理后的图像特征Fp,将处理后的图像特征Fp分为两部分,由两个分支分别处理,对于上分支,输入特征分别进行最大池化和平均池化获得两个特征图,最大池化层能够保留特征图中的主要特征,抑制噪声和不重要的细节MaxPool表示最大池化操作,平均池化层通过对局部区域的平均值进行计算,减少特征图的大小AvgPool表示平均池化操作,然后将池化结果进行连接Concat表示连接操作,连接后的特征经过一个核大小为3×3的卷积层,这有助于捕捉局部区域内的空间依赖关系,然后使用sigmoid激活函数获得空间注意力图,为了增强重要区域的响应,将输出图与原始特征图逐元素相乘,使用3×3卷积层和ReLU激活函数增强局部特征的表达能力,这个过程可表述为Re表示ReLU激活函数,Si表示sigmoid激活函数,Conv3×3表示3×3卷积,代表逐元素相乘; S42、对于下分支,输入特征再分为上下两分支,上分支进行全局平均池化,然后使用1×1卷积和ReLU激活函数得到每个通道的注意力,GloAvgPool表示全局平均池化操作,下分支使用全局平均池化后进行反折,将前后通道进行交换,这个过程可表述为:随后使用1×1卷积和ReLU激活函数,然后将反折的结果进行跳跃连接,最后将得到的结果进行反折,这个过程可表述为:Rev表示反折操作,最后将两分支的输出进行加权连接,这个过程可表述为:λ代表权重,其值等于0.7,+代表逐元素相加; S43、将高频和低频特征进行增强后,随后将两个分支的输出与初始输入特征Fp逐元素相乘,从而得到空间通道注意力块的最终输出代表逐元素相乘; S5、构建特征处理块,特征处理块经过高频特征增强模块和低频特征增强模块,将两个模块的输出进行连接后通过1x1卷积和空间通道联合注意力块,然后通过1x1卷积和像素归一化,最后将输出特征与输入跳跃连接; S6、构建空间通道联合注意力网络,将图像特征f0输入到空间通道联合注意力网络,空间通道联合注意力网络包括n个特征处理块和特征融合层; S7、构建图像重建模块,图像重建模块对融合后的特征进行卷积和上采样; S8、构建图像超分辨率模型,包含输入、特征提取、空间通道联合注意力网络、图像重建和图像输出; S9、将汽车零部件图像输入图像超分辨率模型中,经过处理得到超分辨率图像。
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济南大学;山东青鸟工业互联网有限公司,其通讯地址为:250024 山东省济南市市中区南辛庄西路336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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励