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！

龙图腾网获悉重庆师范大学申请的专利基于多尺度残差特征融合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：CN114187174B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202111250771.2，技术领域涉及：G06T3/4053；该发明授权基于多尺度残差特征融合的图像超分辨率重建方法是由吕佳;许鹏程设计研发完成，并于2021-10-26向国家知识产权局提交的专利申请。

本基于多尺度残差特征融合的图像超分辨率重建方法在说明书摘要公布了：本发明提供的一种基于多尺度残差特征融合的图像超分辨率重建方法，包括：对图像进行预处理获得高‑低分辨率图像对；构建基于深度可分离卷积的多尺度特征提取模块，对预处理后的高‑低分辨率图像对进行特征提取，输出特征图；构建残差特征融合模块，对输出特征图进行残差特征融合处理；构建增强型注意力模块，对残差特征融合处理后的特征图进行处理；S5.采用自适应上采样模块对特征图进行上采样，生成超分辨率图像；构建的损失函数模块并对超分辨率图像进行处理；S7.构建基于多尺度残差特征融合的超分辨率图像重建模型，将超分辨率图像输入至超分辨率重建模型中进行训练；S8.将待处理图像输入至基于多尺度残差特征融合的超分辨率图像重建模型中进行处理。

本发明授权基于多尺度残差特征融合的图像超分辨率重建方法在权利要求书中公布了：1.一种基于多尺度残差特征融合的图像超分辨率重建方法，其特征在于：包括以下步骤： S1.获取不同分辨率的图像，并对图像进行预处理获得高-低分辨率图像对； S2.构建基于深度可分离卷积的多尺度特征提取模块，对预处理后的高-低分辨率图像对进行特征提取，输出特征图； S3.构建残差特征融合模块，对输出特征图进行残差特征融合处理； S4.构建增强型注意力模块，对残差特征融合处理后的特征图进行处理； S5.采用自适应上采样模块对步骤S4中输出的特征图进行上采样，生成超分辨率图像； S6.构建基于CharbonnierLoss的损失函数模块并对超分辨率图像进行处理； S7.构建基于多尺度残差特征融合的超分辨率图像重建模型，将步骤S6处理后的超分辨率图像输入至超分辨率重建模型中进行训练； S8.将待处理图像输入至基于多尺度残差特征融合的超分辨率图像重建模型中进行处理，得到待处理图像的超分辨率重建后的图像信息； 步骤S2中，所述多尺度特征提取模块通过如下公式进行特征提取： ； ； ； ； ； ； ； ； ； 其中：表示线性整流函数,a为可学习的常数，W表示权重，b表示偏置参数，b的上标表示当前所在的层数，W的下标表示卷积核的大小，W的上标中第一参数表示当前权重所在层数，第二参数表示当前权重在所在层的卷积的位置；表示卷积操作；[]表示级联操作,沿通道维度对特征图执行级联；表示卷积层输出的特征图,其下标表示其来自于第几层的第几个卷积； 提取过程为：输入特征图分别经过两个卷积进行升降维以获得特征图和，然后执行一次通道可分离卷积以获得感受野为的特征图，再对执行一次通道可分离卷积以获得感受野为的特征图，之后级联、和获得多尺度特征图；对执行一次通道可分离卷积获得感受野为的特征图，再对执行一次卷积以获得感受野为的特征图,最后级联、后使用卷积进行降维，使得输出特征图通道数与一致； 步骤S3中，残差特征融合模块基于如下公式执行： ； ； ； ； ； ； ； ； ； 其中：MSDSB表示步骤S2中所构建的特征提取模块；表示残差特征融合模块中的中间特征，在模块的执行过程中会不断更新；表示每一个特征提取模块的输出特征图，其下标表示该特征图来自于第几个特征提取模块； 残差特征融合处理过程为： 输入特征图首先经过第一个特征提取模块以获得其输出特征图； 将特征图与输入特征图相加获得中间特征； 依次使用第二、三个特征提取模块依次对中间特征执行特征提取操作获得特征图和，并使用残差连接将特征图与相加以更新中间特征； 采用第四个特征提取模块对中间特征进行特征提取获得第四个特征图； 将特征图至特征图沿通道维度级联，并通过卷积进行融合并降低通道数获得残差特征图； 将输入特征图与残差特征图相加，获得输出特征图； 步骤S4中，增强型注意力模块基于如下公式执行： ； ； ； ； ； ； 其具体过程为：针对残差特征融合模块输出的特征图进行一次全局平均池化，然后将特征进行向量化处理以获得特征向量； 通过两个全连接层和一个激活函数自适应地建立通道间的相互关系，并使用Sigmoid函数将特征向量压缩至0~1之间获得通道掩码； 使用通道掩码对原特征通道进行加权处理并更新以获得经过通道维度校准的特征图； 将经过通道注意力模块处理后的特征图进行卷积降维至1通道获得，然后依次执行两次卷积以通过大感受野获取图像的空间关系，同时第二个卷积使通道数降为1； 通过Sigmoid函数将特征图压缩至0~1之间生成空间维度的掩码，最后将掩码和特征图相乘获得经模块校准后的特征图。

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重庆师范大学，其通讯地址为：404100 重庆市沙坪坝区天陈路12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。