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！

龙图腾网获悉厦门理工学院申请的专利基于深度学习的全色锐化框架加速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：CN116563142B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310422873.0，技术领域涉及：G06T5/73；该发明授权基于深度学习的全色锐化框架加速方法是由李建敏;李衍;杜晓凤;钟瑛设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本基于深度学习的全色锐化框架加速方法在说明书摘要公布了：本发明公开一种基于深度学习的全色锐化框架加速方法，其包括：将多光谱图像和全色图像拼接，再将拼接后的图像裁剪为多张子图像作为训练集；根据训练集构建基于生成对抗网络的无监督全色锐化模型，无监督全色锐化模型包括生成器网络和两判别网络；在生成器网络的第一层和第二层之间增加注意力机制，以加快提取多光谱图像和全色图像的特征；计算数据预处理后的子图像的平均梯度，进行梯度分类把训练集划分成简单和中等类别集合；并对其中的中等类别集合进行二次分类，划分为中等和困难类别集合；对不同类别的子图像集合采用不同量级的全色锐化模型分支进行训练。通过上述方案，本发明能够提高重建图像的准确度。

本发明授权基于深度学习的全色锐化框架加速方法在权利要求书中公布了：1.一种基于深度学习的全色锐化框架加速方法，其特征在于：包括如下步骤： 步骤1：将多光谱图像和全色图像拼接，再将拼接后的图像裁剪为多张子图像作为训练集； 步骤2：根据训练集构建基于生成对抗网络的无监督全色锐化模型，无监督全色锐化模型包括生成器网络和两判别网络；在生成器网络的第一层和第二层之间增加注意力机制，以加快提取多光谱图像和全色图像的特征； 步骤3：计算训练集的图像平均梯度，以对训练集的多张子图像进行分类； 步骤4：对分类后的子图像进行二次分类； 步骤5：对不同类别的子图像采用不同量级的全色锐化模型进行训练； 步骤6：对步骤5输出的图像进行迭代光谱信息和空间信息修正，获得最终的重建图像； 其中，所述步骤4具体包括： 预先训练一个无监督全色锐化模型，该无监督全色锐化模型采用PNN框架作为预训练好的全色锐化模型，通过这个模型对经过梯度划分后的中等类别子图像进行全色锐化，锐化后的结果和原本的输入图像做峰值信噪比计算，定义PSNR的阈值为25.8，PSNR高于阈值的图像划为中等类别子图像，低于阈值的图像划为困难类别子图像；把中等的类别的子图像和困难类别的子图像作为分类模型的标签训练分类模型；同时，在损失函数中添加了分类损失，其中分类模型的损失函数定义为： ； 其中M是类别数量，是图像为类的概率。

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厦门理工学院，其通讯地址为：361000 福建省厦门市集美区理工路600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。