三峡大学江曙获国家专利权
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!
龙图腾网获悉三峡大学申请的专利一种基于特征共享的深度残差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:CN115908129B 。
龙图腾网通过国家知识产权局官网在2026-03-31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:202211400220.4,技术领域涉及:G06T3/4053;该发明授权一种基于特征共享的深度残差超分辨率重建方法是由江曙;王俊英设计研发完成,并于2022-11-09向国家知识产权局提交的专利申请。
本一种基于特征共享的深度残差超分辨率重建方法在说明书摘要公布了:一种基于特征共享的深度残差超分辨率重建方法,属于图像处理技术领域,方法包括:获取由高分辨率图像构成的数据集、数据集的预处理、构建基于特征共享的超分辨率重建网络、训练网络、利用训练好的网络从指定的低分辨率图像中重建出高分辨率图像。本发明为了防止网络提取的浅层特征中丰富细节的信息,在逐层传递过程中的丢失,使得深层特征提取部分的残差组和残差块无法充分利用这些信息,而影响重建质量,构建了共享源残差组和共享源残差块,二者中的共享源跳连接,能够将这些信息直接发送到残差块和残差组中,使得对重建有利的细节信息能够被充分利用,以提取出细节更加丰富的深层特征,进而改善重建质量。
本发明授权一种基于特征共享的深度残差超分辨率重建方法在权利要求书中公布了:1.一种基于特征共享的深度残差超分辨率重建方法,其特征在于,它包括以下步骤: 步骤1:数据集的收集与选择; 步骤2:数据预处理,包括低分辨率图像的生成、数据集扩充、数据集增强,数据标准化,并获得训练集; 步骤3:进行网络优化器的选择和超参数的设计; 步骤4:进行网络的设计与搭建,包括浅层特征提取部分、深层特征提取部分、特征图放大部分及重建部分的设计与实现; 步骤5:进行网络的训练与优化,获得最优模型; 步骤6:对目标图像进行重建,利用步骤5得到的最优模型来重建目标图像; 在步骤1中,包括以下子步骤: 步骤1-1:进行高分辨率图像训练集的选择与收集; 步骤1-2:进行测试集的选择; 在步骤2中,包括以下子步骤: 步骤2-1:进行训练集中若干图像对应的低分辨率图像的生成; 步骤2-2:进行训练集的扩充; 步骤2-3:进行数据集的增强; 步骤2-4:进行数据的标准化; 在步骤4中,所建立的网络为基于特征共享的超分辨率重建网络,具体为: 网络输入LR→浅层特征提取层1,得特征图→深层特征提取部分的共享特征提取层2,得特征图→第一共享源残差组3,得特征图→若干第二共享源残差组4→第三共享源残差组5,得特征图→深层特征提取部分的最后一个卷积层6; 深层特征提取部分的最后一个卷积层6,浅层特征提取层1→第一特征融合18,得特征图→特征图放大部分7→重建部分8→重建图像HR; 第一共享源残差组3、第二共享源残差组4、第三共享源残差组5的结构为: 共享源残差组共有G个;G个共享源残差组从输入端至输出端依次串接; 第一共享源残差组3的结构为:深层特征提取部分的共享特征提取层2得到的特征图,第一基本残差组9→第二特征融合19,得到第一共享源残差组3,其输出为特征图; 若干第二共享源残差组4的结构为:深层特征提取部分的共享特征提取层2得到的特征图,若干第二基本残差组→若干第三特征融合,得到若干第二共享源残差组; 第三共享源残差组5的结构为:深层特征提取部分的共享特征提取层2得到的特征图,第三基本残差组10→第四特征融合20,得到第三共享源残差组5,其输出为特征图; 每个共享源残差组中包含一个基本残差组,G个基本残差组结构相同; 每个基本残差组中共有B个共享源残差块,B个共享源残差块从输入端至输出端依次串接;第一基本残差组9、第二基本残差组、第三基本残差组10为: 第一基本残差组的输入的特征图→第一基本残差组的共享特征提取层11→第一共享源残差块12; 第一基本残差组的共享特征提取层11,第一基本残差块16→第五特征融合21,得到第一共享源残差块12; 第一共享源残差块12→若干第二共享源残差块13; 第一基本残差组的共享特征提取层11,若干第二基本残差块→第六特征融合,得到若干第二共享源残差块13; 若干第二共享源残差块13→第三共享源残差块14; 第一基本残差组的共享特征提取层11,第三基本残差块17→第七特征融合22,得到第三共享源残差块14; 第三共享源残差块14→第一基本残差组的最后一个卷积层15; 第一基本残差组的输入的特征图,第一基本残差组的最后一个卷积层15→第八特征融合23,得到第一基本残差组的输出。
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三峡大学,其通讯地址为:443002 湖北省宜昌市西陵区大学路8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