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！

龙图腾网获悉浙江大学申请的专利基于结构-细节分离的双向循环神经网络超分辨率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：CN116452419B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310268873.X，技术领域涉及：G06T3/4053；该发明授权基于结构-细节分离的双向循环神经网络超分辨率方法是由丁勇;刘毅飞;汤峻;刘郑学;黄函设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本基于结构-细节分离的双向循环神经网络超分辨率方法在说明书摘要公布了：本发明公开了一种基于结构‑细节分离的双向循环神经网络超分辨率方法，属于视频超分辨率技术领域。本发明主要包括以下步骤：1.提取低分辨率视频每帧图片的空间特征、结构特征和细节特征；2.计算每帧图片的前后向光流；3.将每帧图片的空间特征、结构细节特征及前向光流输入网络，得到当前帧的前向结构细节特征；4.将每帧图片的空间特征、结构细节特征、后向光流及前向结构细节特征输入网络，得到当前帧的后向结构细节特征；5.将每帧图片的空间特征、结构细节特征及前后向结构细节特征进行计算得到重建结构细节特征，将结果与空间特征进行计算得到高分辨结果。基于本发明提出的视频超分辨率方法可获得具有更多细节的高质量输出。

本发明授权基于结构-细节分离的双向循环神经网络超分辨率方法在权利要求书中公布了：1.一种基于结构-细节分离的双向循环神经网络超分辨率方法，其特征在于，包括以下步骤： 步骤1.获取低分辨视频并逐帧进行图像增强； 步骤2.提取每帧图片的空间特征； 步骤3.分别将每帧图片和每帧图片的空间特征进行结构-细节分离，提取每帧图片的结构信息、细节信息、空间结构特征及空间细节特征； 所述的步骤3包括： 步骤3.1.将步骤1得到的图像增强后的低分辨率视频的第帧图片进行插值，上采样率为0.5，得到上采样特征： 步骤3.2.将步骤3.1得到的上采样特征进行插值，上采样率为2，得到第帧图片的结构信息： 步骤3.3.将步骤3.2得到的第帧图片的结构信息与第帧图片作差，得到第帧图片的细节信息； 步骤3.4.将步骤2得到的图像增强后的低分辨率视频的第帧图片的空间特征重复步骤3.1-3.2中的两次插值过程，得到第帧图片的空间结构特征；将第帧图片的空间结构特征与空间特征作差，得到第帧图片的空间细节特征； 步骤4.计算每帧图片的前向光流和后向光流； 步骤5.将步骤2-4得到的每帧图片的空间特征、结构信息、空间结构特征以及前向光流输入前馈循环神经网络，得到每帧图片的前向结构特征；将步骤2-4得到的每帧图片的空间特征、细节信息、空间细节特征以及前向光流输入前馈循环神经网络，得到每帧图片的前向细节特征； 步骤6.将步骤2-5得到的每帧图片的空间特征、结构信息、空间结构特征、后向光流以及前向结构特征输入后馈循环神经网络，得到每帧图片的后向结构特征；将步骤2-5得到的每帧图片的空间特征、细节信息、空间细节特征、后向光流以及前向细节特征输入后馈循环神经网络，得到每帧图片的后向细节特征； 步骤7.包括： 步骤7.1.拼接第帧图片的结构信息、空间结构特征、前向结构特征以及后向结构特征并进行特征提取，再将第帧图片的结构信息与提取的特征相加，得到第帧图片的重建结构特征； 步骤7.2.拼接第帧图片的细节信息、空间细节特征、前向细节特征以及后向细节特征，并进行特征提取，再将第帧图片的细节信息与提取的特征相加，得到第帧图片的重建细节特征； 步骤7.3.拼接第帧图片的重建结构特征以及重建细节特征并进行特征提取，得到第帧图片的重建空间特征； 步骤7.4.拼接第帧图片的空间特征以及重建空间特征并进行特征提取，得到第帧图片的重建特征； 步骤7.5.对第帧图片的重建特征进行插值，得到第帧图片超分后的高分辨率重建特征； 步骤7.6.将第帧图片的高分辨率重建特征的通道维度转换为3，得到第帧图片超分后的高分辨率图片；遍历全部帧图片，得到超分后的高分辨率视频。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。