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！

龙图腾网获悉西安电子科技大学申请的专利基于全局上下文通道注意力的红外图像超分辨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：CN119941507B 。

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：202411872359.8，技术领域涉及：G06T3/4053；该发明授权基于全局上下文通道注意力的红外图像超分辨方法是由李欢;许新博;孙瑞阳;宋江鲁奇;周慧鑫;向培;石金;朱永;高孟阳;孙韵晗;秦翰林;甘长国设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本基于全局上下文通道注意力的红外图像超分辨方法在说明书摘要公布了：本发明公开了基于全局上下文通道注意力的红外图像超分辨方法，步骤一：获取训练数据集；步骤二：扩充训练数据集；步骤三：构建全局上下文通道注意力网络，以RCAN网络架构为基础，在深层特征提取阶段的残差组构造上进行改进，在残差组结构中，融入m个相互串联的全局上下文通道注意力模块；步骤四：构建结构损失函数；步骤五：将扩充训练数据集输入到全局上下文通道注意力网络中，并以结构损失函数作为优化目标进行训练，使用ADAM优化器更新模型参数，直到损失不再下降，得到训练好的红外图像超分辨率重建模型；步骤六：通过训练好的红外图像超分辨率重建模型对测试集中的低分辨率图像进行超分辨率重建，得到红外超分辨率图像。

本发明授权基于全局上下文通道注意力的红外图像超分辨方法在权利要求书中公布了：1.一种基于全局上下文通道注意力的红外图像超分辨方法，其特征于，该方法包括以下步骤： 步骤一：获取训练数据集； 步骤二：扩充训练数据集； 步骤三：构建全局上下文通道注意力网络GCCAN，GCCAN网络是以RCAN网络架构为基础，在保持RCAN网络整体架构不变的同时，在深层特征提取阶段的残差组构造上进行改进，在残差组结构中，融入m个相互串联的全局上下文通道注意力模块； 步骤四：构建结构损失函数； 步骤五：将步骤二得到的扩充训练数据集输入到步骤三构建的全局上下文通道注意力网络中，并以步骤四构建用于训练的结构损失函数作为优化目标进行训练，使用ADAM优化器更新模型参数，直到损失不再下降，得到训练好的红外图像超分辨率重建模型； 步骤六：通过步骤五中训练好的红外图像超分辨率重建模型对测试集中的低分辨率图像进行超分辨率重建，得到红外超分辨率图像； 所述的全局上下文通道注意力网络，具体包括：所述GCCAN包含浅层特征提取、深层特征提取和图像重建三部分，在浅层特征提取阶段，模型利用一个卷积操作来处理输入尺寸为H×W×1的单通道红外图像，使其映射为具有更深的通道的特征图；在GCCAN中，设置映射后的通道深度为64，随后，深层特征提取阶段包括n个相互串联的残差组以及尾端的卷积操作，图像重建部分操作为亚像素卷积上采样，用于将提取的特征图提升至目标分辨率； 其中，GCCAN网络是以RCAN网络架构为基础，在保持RCAN网络整体架构不变的同时，在深层特征提取阶段的残差组构造上进行改进，在残差组结构中，融入m个相互串联的全局上下文通道注意力模块，在GCCAN模型中，n和m均为可调的超参数，设置n=m=10, 所述全局上下文通道注意力模块，具体包括：GCCAB是基于RCAN算法的残差通道注意力模块的基础上，优化计算通道注意力方面的机制，引入全局上下文通道注意力，嵌入无参数的通道移位操作，以扩大网络的感受野。

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安电子科技大学，其通讯地址为：710000 陕西省西安市雁塔区太白南路2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。