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！

龙图腾网获悉桂林电子科技大学申请的专利基于transformer尺度流估计的视频超分辨成像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：CN116485642B 。

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：202310222699.5，技术领域涉及：G06T3/4053；该发明授权基于transformer尺度流估计的视频超分辨成像重建方法是由林乐平;欧志山;欧阳宁;莫建文设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本基于transformer尺度流估计的视频超分辨成像重建方法在说明书摘要公布了：本发明公开了一种基于transformer尺度流估计的视频超分辨成像重建方法，包括如下步骤：1数据集预处理；2建立重建模型；3模型训练。这种方法能获取更多不同尺度的高频细节信息，学习更好的特征，能提高视频超分辨成像的重建效果。

本发明授权基于transformer尺度流估计的视频超分辨成像重建方法在权利要求书中公布了：1.一种基于transformer尺度流估计的视频超分辨成像重建方法，其特征在于，包括如下步骤： 1数据集预处理：对获取的高清视频帧数据集Vimeo-90K进行高斯核为1.6的模糊处理，并进一步采用4倍的尺度下采样得到低分辨率视频帧，得到训练集T； 2建立重建模型：应用重建模型Model对训练数据集T进行处理，得到超分辨图像SR，重建模型Model设有预尺度隐藏状态过程PSHSnet、transformer尺度流估计过程TSFEnet、尺度交互融合过程SIFnet、重构过程Rnet，包括： 2-1将训练集T中的多帧样本输入预尺度隐藏状态过程PSHSnet，得到多个尺度的初始隐藏状态特征H0、，,其中，预尺度隐藏状态过程PSHSnet过程为：首先，输入多帧低分辨视频帧分别经过一层3*3卷积操作进行浅层特征提取，之后对提取到的特征进行通道拼接融合，得到融合特征；其次，特征通过由每一层都是通道注意力组成的模型,得到特征；然后，特征经过由5层残差单元组成的残差块，得到特征；最后，特征通过没有亚像素组成的重构网络，初始隐藏状态特征信息H0，对初始隐藏状态特征信息H0进行2倍下采样，得到下采样特征,对下采样特征进行2倍下采样,得到下采样特征； 2-2将训练集T中的样本和初始隐藏状态特征输入transformer尺度流估计过程TSFEnet，得到不同尺度融合特征X1、X2、X3； 2-3将步骤2-2得到融合特征X1、X2、X3输入尺度交互融合网络SIFnet,得到高频细节特征信息f3，所述尺度交互融合网络SIFnet由四个尺度组成的Unet模型构成，其中模型最底层由transformer组成，其余层由残差多层次块组成； 2-4将步骤2-3得到高频细节特征信息f3输入重构网络Rnet，重构网络Rnet由4层残差层、2层并行卷积层、1层Dropout层、1层亚像素卷积层组成，输出得到第一帧的超分辨图像、隐藏状态信息特征，具体重构过程Rnet为： 首先对输入特征f3分别经过卷积层以及激活函数层、Dropout层与卷积层得到隐藏信息特征图、重构输出特征图；再对、进行通道拼接融合得到最终隐藏信息特征图,对隐藏信息特征图进行两层下采样，得到下采样特征图、；同时对进行亚像素卷积得到特征图与对应进行双三次上采样重构帧的低分辨图按逐元素相加得到最终超分辨图SR； 3模型训练：网络采用端到端训练的方式，先采用L1损失函数加快收敛程度，再采用L2损失函数进行微调。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市金鸡路1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。