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！

龙图腾网获悉西北大学申请的专利基于特征自适应注意力的图像超分辨率重建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：CN119444570B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411324150.8，技术领域涉及：G06T3/4053；该发明授权基于特征自适应注意力的图像超分辨率重建方法是由王小凤;董兴宇;刘伟;张姣;韩俊哲;韩天博;刘洋阳;耿国华设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本基于特征自适应注意力的图像超分辨率重建方法在说明书摘要公布了：本申请涉及一种基于特征自适应注意力的图像超分辨率重建方法，基于构建的图像超分辨率重建模型得到重建图像，图像超分辨率重建模型包括特征提取模块、特征自适应注意力模块、融合模块、特征拼接模块和卷积层，该方法有效提升了低分辨率图像重建的质量和精度；并且构建的图像超分辨率重建模型具备轻量级、极速推理的特点。

本发明授权基于特征自适应注意力的图像超分辨率重建方法在权利要求书中公布了：1.一种基于特征自适应注意力的图像超分辨率重建方法，其特征在于，包括： 构建图像超分辨率重建模型；所述图像超分辨率重建模型包括特征提取模块、特征自适应注意力模块、融合模块、特征拼接模块和卷积层，所述特征自适应注意力模块包括多个特征自适应注意力单元，所述融合模块包括多个融合单元，所述特征自适应注意力单元和所述融合单元一一对应； 基于训练数据集对所述图像超分辨率重建模型进行训练，得到训练后的图像超分辨率重建模型； 将待重建图像输入所述训练后的图像超分辨率重建模型，得到重建图像； 所述特征提取模块对输入的所述待重建图像进行特征提取，得到特征图； 所述特征图输入到所述特征自适应注意力模块进行特征自适应注意力计算，每个特征自适应注意力单元输出第一计算结果和第二计算结果，所述第一计算结果输入到下一个特征自适应注意力单元，所述第二计算结果输入到对应的融合单元；每个融合单元输出融合结果，所述融合结果输入到下一个融合单元； 所述特征拼接模块用于拼接每个融合单元输出的融合结果以及最后一个特征自适应注意力模块输出的第一计算结果，得到拼接结果； 所述拼接结果输入到所述卷积层，得到重建图像； 所述特征自适应注意力单元包括第一分支和第二分支，第一分支包括依次连接的组特征加权融合模块VFM、通道空间尺度注意力机制模块CSA，第二分支包括非局部自注意力模块NLSA、反卷积层、激活函数层；所述特征自适应注意力单元的输入分别经过第一分支和第二分支，所述第一分支的输出和所述第二分支的输出相减，得到第一相减结果； 所述第一相减结果经过卷积层、激活函数层和卷积层后的输出与所述第一分支的输出相加，得到第一相加结果； 所述第一相加结果经过激活函数层、跨步卷积层后的输出与所述特征自适应注意力单元的输入相减，得到第二相减结果； 所述第二相减结果经过反卷积层、激活函数层后的输出与所述第一分支的输出相加，得到所述第一计算结果； 所述第一计算结果经过跨步卷积层、激活函数层、卷积层、激活函数层后，得到所述第二计算结果； 所述组特征加权融合模块VFM，包括：第一平均池化层、第二平均池化层、卷积层、第一SoftMax层、第三平均池化层、Sigmoid层、GroupNorm单元、第二SoftMax层、第四平均池化层； 组特征加权融合模块VFM的输入分别经过第一平均池化层、第二平均池化层，所述第一平均池化层、第二平均池化层的输出进行拼接后，输入到Sigmoid层，所述Sigmoid层的输出与所述组特征加权融合模块VFM的输入相乘，得到第一相乘结果；所述第一相乘结果输入到所述GroupNorm单元，所述GroupNorm单元的输出分别输入到所述第二SoftMax层和所述第四平均池化层； 组特征加权融合模块VFM的输入经过所述卷积层，所述卷积层的输出分别输入到所述第一SoftMax层、第三平均池化层； 所述第一SoftMax层的输出与所述第四平均池化层的输出相乘，得到第二相乘结果； 所述第三平均池化层的输出与所述第二SoftMax层的输出相乘，得到第三相乘结果； 所述第二相乘结果和所述第三相乘结果相加，得到组特征加权融合模块VFM的输出。

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西北大学，其通讯地址为：710069 陕西省西安市太白北路229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。