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！

龙图腾网获悉天津大学申请的专利基于运动估计和补偿的气流场稀疏采样高精度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：CN119296681B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411186911.8，技术领域涉及：G16C20/70；该发明授权基于运动估计和补偿的气流场稀疏采样高精度重建方法是由曾明;毛亮;钟舒桐;赵峰;王湘晖设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本基于运动估计和补偿的气流场稀疏采样高精度重建方法在说明书摘要公布了：基于运动估计和补偿的气流场稀疏采样高精度重建方法。本发明涉及数据补全领域，尤其涉及气体浓度场分布稀疏采样高精度重建方法，所述方法步骤包括：基于仿真和分块采样技术构建训练本发明的网络所需的数据集，并划分为训练集、验证集和测试集；构建基于运动估计和补偿的气体浓度分布重建网络，其包括气体运动估计模块、气体运动补偿模块、特征提取模块、特征融合模块和上采样重建模块；利用所述训练集、验证集和测试集对重建网络分别进行训练、验证和测试，得到训练好的重建网络。本发明提出的重建方法不仅能在单个时间步的气体浓度分布图中提取空间位置信息，还考虑了气体扩散运动关系，能够从邻近时间步的气体浓度分布图中提取时间相关信息，提高了重建精度，有效地抑制伪影和模糊。

本发明授权基于运动估计和补偿的气流场稀疏采样高精度重建方法在权利要求书中公布了：1.一种基于运动估计和补偿的气流场稀疏采样高精度重建方法，其特征在于，包括以下步骤： 第一步，基于仿真和分块采样技术构建训练本网络所需的数据集，并划分为训练集、验证集和测试集； 训练网络时的标签为时间步连续的高分辨率气体浓度分布图训练网络时的输入为将时间步连续的高分辨率气体浓度分布图做分块采样得到的相应的时间步连续的低分辨率气体浓度分布图其中T为时间步数，C、H和W分别为的通道数、高度和宽度，C、s×H和s×W分别为的通道数、高度和宽度，s为下采样倍数或者放大倍数，s默认取值32； 第二步，构建基于运动估计和补偿的气体浓度分布重建网络； 所述的基于运动估计和补偿的气体浓度分布重建网络包括： 1气体运动估计模块，根据两张相邻时间步的低分辨率气体浓度分布图和利用运动估计方法分别计算从到和从到中气体的正向位移矢量和反向位移矢量反映在分布图中的运动对象可以是块或者像素； 2气体运动补偿模块，根据正向位移矢量和反向位移矢量利用重采样技术分别对低分辨率气体浓度分布图对应的反向特征和低分辨率气体浓度分布图对应的正向特征进行逆向扭曲映射，得到运动补偿后的反向特征和正向特征 3特征提取模块，利用双向循环卷积神经网络的正向提取块和反向提取块对时间步连续的低分辨率气体浓度分布图进行正向特征提取和反向特征提取；正向特征提取从第1时间步开始，往时间步数递增方向进行，正向提取块的输入是单个时间步的低分辨率气体浓度分布图和上一时间步经过运动补偿后的正向特征然后输出当前时间步的正向特征反向特征提取从第T时间步开始，往时间步数递减方向进行，反向提取块的输入是单个时间步的低分辨率气体浓度分布图和下一时间步经过运动补偿后的反向特征然后输出当前时间步的反向特征 4特征融合模块，利用交叉注意力机制和膨胀卷积将单个时间步的低分辨率气体浓度分布图的正向特征和反向特征进行隐式地特征对齐和融合，得到当前时间步的融合特征ft； 5上采样重建模块，混合使用转置卷积和像素重组将单个时间步的低分辨率气体浓度分布图的融合特征ft进行逐步上采样得到尺寸和相同的残差图将与直接使用插值算法将进行s倍放大的插值图相加得到重建网络的输出 第三步，利用所述训练集、验证集和测试集对所述的基于运动估计和补偿的气体浓度分布重建网络分别进行训练、验证和测试，得到训练好的重建网络；其中，训练阶段使用Charbonnier损失函数计算所述重建网络输出和重建网络输入对应的高分辨率气体浓度分布图之间的损失值，验证和测试阶段使用MSE和SSIM指标函数综合评估重建方法的优劣。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。