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！

龙图腾网获悉中国矿业大学申请的专利一种用于可穿戴头盔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：CN116071229B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211021098.X，技术领域涉及：G06T3/4053；该发明授权一种用于可穿戴头盔的图像超分辨率重建方法是由程德强;王培杰;寇旗旗;刘海;徐飞翔;王晓艺;王希;李雷设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种用于可穿戴头盔的图像超分辨率重建方法在说明书摘要公布了：本发明公开了一种用于可穿戴头盔的图像超分辨率重建方法，该方法包括以下步骤：构建退化模型，通过退化模型获得高‑低分辨率图像对；构建深度可分离卷积神经网络模型，深度可分离卷积神经网络生成超分辨图像；训练深度可分离卷积神经网络模型，对超分辨图像与输入的高分辨率图像进行损失计算，优化深度可分离卷积神经网络模型；对重构后超分辨图像进行测试；对测试后图像进行预处理；验证深度可分离卷积神经网络模型。本发明通过使用退化模型能够有效应对低光照环境下图像采集，重建出高分辨图像；构建深度可分离卷积神经网络模型，保留图像更多的纹理细节，重构出精细的图像。

本发明授权一种用于可穿戴头盔的图像超分辨率重建方法在权利要求书中公布了：1.一种用于可穿戴头盔的图像超分辨率重建方法，其特征在于：所述方法包括以下步骤： 步骤1：构建退化模型，通过退化模型获得高-低分辨率图像对； 步骤2：构建深度可分离卷积神经网络模型，深度可分离卷积神经网络生成超分辨图像，包括以下步骤： 步骤2-1：构建深度可分离卷积神经网络模型的构建浅层特征提取模块，对输入图像进行初次特征提取，得到浅层特征提取图； 步骤2-2：构建深度可分离卷积神经网络模型的特征融合残差组模块，对提取的浅层特征图进行深层特征提取，得到深层特征图，包括以下步骤： 步骤2-2-1：构建深度可分离卷积神经网络的深度可分离卷积通道注意力残差模块，将浅层特征图输入用一层卷积核大小为96×7×7，步长为1，填充为3的深度卷积以通过大感受野获取图像的空间特征关系； 步骤2-2-2：构建深度可分离卷积神经网络的通道注意力模块，将空间维度进行平均池化，通过两个全连接学习到通道注意力，并用Sigmoid进行层归一化得到通道注意力特征向量,将通道注意力特征向量与深度分组卷积后的特征点乘，获得加权后的深度卷积特征，再使用一次层归一化； 获得通道注意力加权的特征图进行一次卷积核为384×1×1的点卷积升维度操作，使用GELU激活函数后，再使用一次卷积核为96×1×1的点卷积进行降维度操作，提高深度卷积的通道交互能力；将输入特征图和残差提取特征图短连接相加，获得输出特征图； 步骤2-2-3：构建深度可分离卷积神经网络的特征融合模块，特征融合模块由六个深度可分离卷积通道注意力残差模块串联构成；分别将六个深度可分离卷积通道注意力残差模块输出的特征图在通道维度上融合，接着用一次卷积核为96×3×3的卷积进行特征重组，将输入特征图和残差提取特征图中长连接相加，构成特征融合模块；所述特征融合模块利用特征之间的互补性，融合特征之间的优点，消除不同特征之间的相关性而产生的冗余信息； 步骤2-2-4：构建深度可分离卷积通道注意力融合残差组模块，深度可分离卷积通道注意力融合残差组模块由四个特征融合模块串联构成；将输入特征图和残差提取特征图长连接相加，构成深度可分离卷积通道注意力融合残差组模块；所述深度可分离卷积通道注意力融合残差组模块利用残差组作为更深层次网络的基础模块，每一个残差组内能够进行信息之间的流动，获得更多有用的信息，关注更丰富的特征，通过残差学习使模型获得更好的性能； 步骤2-3：构建深度可分离卷积神经网络模型的图像重建模块，对深层特征图进行上采样，再通过3×3×3的标准卷积生成超分辨率图像； 步骤3：训练深度可分离卷积神经网络模型，对超分辨图像与输入的高分辨率图像进行损失计算，优化深度可分离卷积神经网络模型； 步骤4：测试深度可分离卷积神经网络模型，对重构后超分辨图像进行测试； 步骤5：对图像进行预处理，输入到深度可分离卷积神经网络模型进行验证； 步骤6：验证深度可分离卷积神经网络模型，对深度可分离卷积神经网络模型进行评估，评估重构后的超分辨图像质量标准。

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中国矿业大学，其通讯地址为：221000 江苏省徐州市南郊翟山；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。