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！

龙图腾网获悉北京信息科技大学申请的专利一种基于文本先验与平稳小波域变换的场景文本超分辨率方法及系统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：CN120807290B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202510913794.9，技术领域涉及：G06T3/4053；该发明授权一种基于文本先验与平稳小波域变换的场景文本超分辨率方法及系统是由柳圣凯;苗军;乔元华设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种基于文本先验与平稳小波域变换的场景文本超分辨率方法及系统在说明书摘要公布了：本发明公开了一种基于文本先验与平稳小波域变换的场景文本超分辨率方法及系统，方法包括：构建初始超分辨率图像生成神经网络模型，并将历史低分辨率文本图像输入至模型中，得到历史高分辨率文本图像；将历史高分辨率文本图像应用平稳小波变换，得到低频子带与若干高频子带，并进行损失计算，构建频域损失函数；构建判别器网络模型，计算对抗损失函数；基于频域损失和对抗损失构建生成器总损失函数，利用总损失对初始超分辨率图像生成神经网络模型和判别器网络模型进行更新迭代，得到超分辨率图像生成神经网络模型；获取待处理的低分辨率文本图像，利用超分辨率图像生成神经网络模型对待处理的低分辨率文本图像进行处理，得到超分辨率结果。

本发明授权一种基于文本先验与平稳小波域变换的场景文本超分辨率方法及系统在权利要求书中公布了：1.一种基于文本先验与平稳小波域变换的场景文本超分辨率方法，其特征在于，包括以下步骤： 构建初始超分辨率图像生成神经网络模型，并将历史低分辨率文本图像输入至所述初始超分辨率图像生成神经网络模型中，得到历史高分辨率文本图像； 将所述历史高分辨率文本图像应用平稳小波变换，得到低频子带与若干高频子带，基于所述历史高分辨率文本图像、所述低频子带、所述高频子带与真实高分辨率文本图像进行损失计算，构建频域损失函数； 构建判别器网络模型，将所述高频子带与对应的二值文本掩膜拼接作为输入，计算对抗损失函数； 基于所述频域损失和所述对抗损失构建生成器总损失函数，利用所述总损失对所述初始超分辨率图像生成神经网络模型和所述判别器网络模型进行更新迭代，得到超分辨率图像生成神经网络模型； 获取待处理的低分辨率文本图像，利用所述超分辨率图像生成神经网络模型对所述待处理的低分辨率文本图像进行处理，得到超分辨率结果； 所述初始超分辨率图像生成神经网络模型包括：文本先验生成单元、图像特征提取单元、文本先验解释单元和图像重建单元； 所述文本先验生成单元用于使用预训练的CRNN网络从原始低分辨率图像中提取字符识别概率信息，生成文本语义概率图； 所述图像特征提取单元用于使用多层卷积神经网络对原始低分辨率图像进行特征提取，得到空间特征图； 所述文本先验解释单元用于将所述文本语义概率图和所述空间特征图在通道维度上进行拼接，并进行卷积融合操作，得到融合后的融合特征图； 所述图像重建单元有若干上采样单元与残差块构成，通过对所述融合特征图进行处理，得到高分辨率图像； 构建所述频域损失函数的方法包括： 将生成的历史高分辨率文本图像ISR进行平稳小波变换分解为4个频带子图： 其中，ILL表示低频子带，ILH、IHL和IHH表示高频子带； 对比所述历史高分辨率文本图像与与所述真实高分辨率文本图像在各个子带上的对应部分，并进行损失计算，构建频域损失函数： 其中，λL1表示低频损失加权系数，λH1表示高频损失加权系数，表示高清图像的低频子带，表示超分辨率图像的低频子带，表示高清图像的高频子带，表示超分辨率图像的特定的高频子带。

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北京信息科技大学，其通讯地址为：102206 北京市昌平区太行路55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。