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;浙江大学金华研究院申请的专利一种多尺度空间优化视频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：CN119831848B 。

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：202510149404.5，技术领域涉及：G06T3/4076；该发明授权一种多尺度空间优化视频超分辨率方法是由丁勇;黄函;汤峻;牛乐乐;何越;王宏宇设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种多尺度空间优化视频超分辨率方法在说明书摘要公布了：本发明公开了一种多尺度空间优化视频超分辨率方法，属于图像超分辨率技术领域。所述方法包括：获取低分辨率的视频序列数据；通过网络提取视频序列的浅层特征图；通过自适应多尺度特征提取的方式提取视频序列的多尺度特征图；将多尺度特征图引入循环神经网络中，进行空间优化的对齐融合，即单帧超分结果的特征图，遍历所有视频帧，得到的单方向的超分结果；反向遍历所有视频帧，得到的反方向的超分结果；对双向超分结果进行整合，输出最终的超分结果，重建图像后得到高分辨率的视频序列数据。本发明简单而高效地从视频中提取出多尺度的细节，以此来增强视频超分辨率技术在恢复场景细节方面的性能，提高了高分辨率视频质量。

本发明授权一种多尺度空间优化视频超分辨率方法在权利要求书中公布了：1.一种多尺度空间优化视频超分辨率方法，其特征在于，包括： S1：获取待处理的视频序列数据； S2：对视频序列数据中的各视频帧提取浅层特征图； S3：对各视频帧的浅层特征图，通过自适应多尺度特征提取的方式进一步提取各视频帧的多尺度特征图，具体包括： S3.1：将所述浅层特征图按照通道维度拆分成C个不同通道的特征块Xi,0≤i≤C-1； S3.2：对于C个不同通道的特征块Xi，其中特征块X0不进行处理，其余特征块分别进行不同倍数的下采样； S3.3：将特征块X0和下采样后的其余特征块通过深度卷积分别提取深度特征块 S3.4：深度特征块不进行处理，将其余深度特征块分别进行不同倍数的上采样到深度特征块的大小，将上采样得到的特征块和特征块拼接得到新特征图 S3.5：将所述新特征图进行通道融合后与所述浅层特征图相乘得到多尺度特征图； S4：将各视频帧的多尺度特征图依次作为循环神经网络的输入，逐帧进行空间优化的对齐融合，得到单方向的超分结果，具体包括： S4.1：获取第一帧的多尺度特征图，作为准备对齐的特征图所述准备对齐的特征图的下一帧作为当前帧； S4.2：对于准备对齐的特征图采用光流对齐方法，将其与当前帧的多尺度特征图进行对齐，得到粗对齐后的特征图 S4.3：根据光流对齐时的光流信息，构建粗对齐后的特征图中各像素点与准备对齐的特征图中各像素点的对应关系； S4.4：以准备对齐的特征图中每一像素点为中心，建立大小相同的窗口，窗口内所有像素点作为其中心像素点的邻域像素点； S4.5：计算粗对齐后的特征图中像素点与对应像素点的所有邻域像素点的相似度，选取相似度最高的邻域像素点作为空间优化对齐后特征图中像素点Ix,y，遍历粗对齐后的特征图中所有像素点，得到当前帧的单帧超分结果； S4.6：将当前帧的单帧超分结果作为准备对齐的特征图的更新值，对所有视频帧顺次重复执行S4.2-S4.5，得到的单方向的超分结果； S5：将各视频帧的多尺度特征图反向输入所述循环神经网络，逐帧进行空间优化的对齐融合，得到反方向的超分结果； S6：将单方向的超分结果和反方向的超分结果融合，再经过超分重建得到高分辨率视频，完成视频序列数据的超分辨率。

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;浙江大学金华研究院，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。