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！

龙图腾网获悉西安工业大学申请的专利基于深度学习的大视场天文图像复原和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：CN117274078B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202311133752.0，技术领域涉及：G06T5/77；该发明授权基于深度学习的大视场天文图像复原和超分辨率重建方法是由马龙;赵佳尧;杜江斌;王旭昊;彭杨帆;张宇;辛佳榕设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本基于深度学习的大视场天文图像复原和超分辨率重建方法在说明书摘要公布了：本发明属于图像处理领域，具体为一种基于深度学习的大视场天文图像复原和超分辨率重建方法，该方法包括S1.制作大视场天文图像数据集；S2.通过对复原任务和超分辨率任务同时进行约束来构建Resℜ模型，模型包括特征提取模块、特征矫正模块和progressivegeneration模块；S3.利用Resℜ模型进行端到端的图像复原及超分辨率重建：特征提取模块提取不同分辨率的特征，然后通过特征矫正模块对图像特征的错误部分进行矫正，矫正后的特征与对应的分辨率特征进行融合，生成复原图像和超分辨率图像。本方法可以同时生成高质量的复原图像和超分辨率图像，且PSNR和SSIM都获得了提升。

本发明授权基于深度学习的大视场天文图像复原和超分辨率重建方法在权利要求书中公布了：1.一种基于深度学习的大视场天文图像复原和超分辨率重建方法，其特征在于，包括如下步骤： S1.制作数据集： 1制作复原任务的大视场天文图像数据集； 2制作超分辨率任务的大视场天文图像数据集： S2.通过对复原任务和超分辨率任务同时进行约束来构建ResRecNet模型，ResRecNet模型包括特征提取模块、特征矫正模块和progressivegeneration模块； S3.利用ResRecNet模型进行端到端的图像复原及超分辨率重建：输入降质图像后首先由特征提取模块提取不同分辨率的特征，对于复原任务将提取到的特征直接输入到特征矫正模块，对于超分辨率重建任务将特征进行上采样后再输入到特征矫正模块，然后通过特征矫正模块对图像特征的错误部分进行矫正，复原任务与超分辨率任务得到各自矫正的特征后，将矫正后的特征与progressivegeneration模块对应的分辨率特征进行融合，生成复原图像和超分辨率图像； 步骤S2中所述的特征提取模块为一个由全卷积层组成的编码器网络，该网络共有6个CNNBlock，每个CNNBlock中均包含两层CNN和BN，每个CNNBlock内卷积层通过IdentityConnection结构相连接； 步骤S2中复原任务与超分辨率重建任务所用的特征矫正模块是独立的，其通过引用NAFNet中的模块，包括以下三部分： 1Mobileconvolution，其基于具有通道注意力的point-wise和depthwiseconvolution； 2前馈网络模块，其具有两个通过point-wiseconvolution实现的全连接层； 3上采样模块，由亚像素卷积和Conv2d组成，此模块为超分辨率重建任务独有，用于超分辨率重建中的特征分辨率以及通道的调整； 步骤S2中所述的progressivegeneration模块由8个CNNBlock组成，每个CNNBlock包含两层CNN以及Upsampling，每层CNN中正则化的具体做法：根据当前网络的输入输出通道随机生成卷积权重，通过KaimingNormalization将卷积权重初始化均值为0、方差为的高斯分布，其中a为激活函数的负斜率、n表示上一层神经元的数量，进一步对卷积权重进行正则化操作。

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西安工业大学，其通讯地址为：710032 陕西省西安市未央区学府中路2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”。