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！

龙图腾网获悉郑州大学申请的专利基于多特征融合的光场图像空间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：CN119741202B 。

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：202411610913.5，技术领域涉及：G06T3/4053；该发明授权基于多特征融合的光场图像空间超分辨方法是由刘晓旻;杨长伟;肖敏;徐云飞设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本基于多特征融合的光场图像空间超分辨方法在说明书摘要公布了：本发明涉及图像分辨技术的技术领域，公开了基于多特征融合的光场图像空间超分辨方法，包括：获取包含有多个子孔径图像的光场图像，并将光场图像转换为宏像素图像；对子孔径图像进行空间特征提取，并对宏像素图像进行角度特征提取、极限特征提取，得到空间特征信息、角度特征信息和极限特征信息；对空间特征信息、角度特征信息、极限特征信息进行融合和堆叠，得到输出特征；对输出特征进行空间上采样，得到超分辨的子孔径图像；该方法有效提升了光场图像的重建分辨率。

本发明授权基于多特征融合的光场图像空间超分辨方法在权利要求书中公布了：1.基于多特征融合的光场图像空间超分辨方法，其特征在于，包括： S1、获取包含有多个子孔径图像的光场图像，并将光场图像转换为宏像素图像； S2、对子孔径图像进行空间特征提取，并对宏像素图像进行角度特征提取、极限特征提取，得到空间特征信息、角度特征信息和极限特征信息； 所述空间特征信息包括：同一个子孔径图像内部像素之间的第一相关性和多个子孔径图像像素之间的第二相关性； 第一相关性的提取采用内部空间特征提取器对同一个子孔径图像内部的像素进行卷积；其中，内部空间特征提取器包括一个二维卷积层，卷积核为3×3，移动步长为1，膨胀因子为A，其中，A与光场图像的角度分辨率值相等，且内部空间特征提取器在卷积时使用零填充； 第二相关性的提取采用联合空间特征提取器对多个子孔径图像之间的像素进行卷积；其中，联合空间特征提取器包括一个二维卷积层，卷积核为3×3，移动步长为1，膨胀因子为1，且联合空间特征提取器在卷积时使用零填充； 所述角度特征信息包括：同一个宏像素图像内部之间像素的第三相关性和不同宏像素图像之间像素的第四相关性； 第三相关性的提取采用内部角度特征提取器对同一个宏像素图像内部的像素进行卷积；其中，内部角度特征提取器包括一个二维卷积层，卷积核为A×A，移动步长为A，膨胀因子为1； 第四相关性的提取采用联合角度特征提取器对不同宏像素图像之间像素进行卷积；其中，联合角度特征提取器包括一个空洞卷积，卷积核为2A×2A，移动步长为2A，膨胀因子为1； 所述极限特征信息包括：水平EPI特征和垂直EPI特征； 水平EPI特征的提取采用水平EPI特征提取器对宏像素图像上水平接片的像素进行卷积；其中，水平EPI特征提取器包括一个空洞卷积，卷积核为1×A2，垂直方向移动步长为1，水平方向移动步长为A，且水平EPI特征提取器在卷积时不执行零填充； 垂直EPI特征的提取采用垂直EPI特征提取器对宏像素图像上垂直切片的像素进行卷积；其中，垂直EPI特征提取器包括一个空洞卷积，卷积核为A2×1，水平方向移动步长为1，垂直方向移动步长为A，且垂直EPI特征提取器在卷积时不执行零填充； 之后，分别对宏像素图像上的水平EPI特征和垂直EPI特征进行上采样处理，得到极限特征信息； S3、对空间特征信息、角度特征信息、极限特征信息进行融合和堆叠，得到输出特征，具体为： 将空间特征信息、角度特征信息、极限特征信息在水平方向与垂直方向上进行特征拼接，得到输入特征； 分别在水平方向和垂直方向上对输入特征进行平均池化，得到通道的两个一阶统计量，两个一阶统计量包括平均池化值、； 其中，代表子孔径图像在垂直方向的序列数，代表子孔径图像在水平方向的序列数，代表第个输入特征在水平方向的平均池化值，代表第个输入特征在垂直方向的平均池化值，代表移动步长且大小为，代表水平方向的子孔径图像个数，代表垂直方向的子孔径图像个数，代表水平方向上对输入特征进行平均池化时子孔径图像在水平方向的序列数，代表垂直方向的第个、水平方向的第个输入特征值，代表垂直方向上对输入特征进行平均池化时子孔径图像在垂直方向的序列数，代表水平方向的第个、垂直方向的第个输入特征值； 采用门控机制将注意力分配到不同的通道特征上，门控机制由两个1×1的卷积层和一个激活函数组成；首先将水平和垂直方向得到的两个一阶统计量在通道维度上进行拼接，然后经过一个共享的1×1卷积得到中间特征； 其中，代表激活函数，代表门控机制的卷积层权值，代表门控机制的卷积运算； 将中间特征在空间维度进行拆分，得到两张相同张量，然后再通过两个1×1的卷积层获得水平注意力和垂直注意力； 其中，代表激活函数，代表在水平注意力上卷积层的权值，代表在垂直注意力上卷积层的权值； 最后将水平注意力和垂直注意力作用于输入特征上，得到输出特征： ； S4、对输出特征进行空间上采样，得到超分辨的子孔径图像。

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郑州大学，其通讯地址为：450000 河南省郑州市高新技术开发区科学大道100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。