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！

龙图腾网获悉西北工业大学申请的专利低分辨中间编码图像的超分辨与数字解码集成处理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：CN116152058B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202211608533.9，技术领域涉及：G06T3/4053；该发明授权低分辨中间编码图像的超分辨与数字解码集成处理方法是由冯斌;魏畅设计研发完成，并于2022-12-14向国家知识产权局提交的专利申请。

本低分辨中间编码图像的超分辨与数字解码集成处理方法在说明书摘要公布了：本发明公开了一种低分辨中间编码图像的超分辨与数字解码集成处理方法，包括：建立包括高分辨清晰图像集、高分辨中间编码图像集和低分辨中间编码图像集的图像数据库；构建超分辨子网络并利用低分辨中间编码图像集和高分辨中间编码图像集进行预训练；构造超分辨与数字解码集成网络模型，超分辨与数字解码集成网络模型包括串联的超分辨子网络和数字解码子网络；利用低分辨中间编码图像集和高分辨清晰图像集，对超分辨与数字解码集成网络模型进行训练；将原始低分辨中间编码图像输入训练后的超分辨子网络和数字解码子网络集成网路模型，获得对应的超分辨解码图像。本发明的方法能够将模糊的低分辨中间编码图像有效处理为清晰的超分辨解码图像。

本发明授权低分辨中间编码图像的超分辨与数字解码集成处理方法在权利要求书中公布了：1.一种低分辨中间编码图像的超分辨与数字解码集成处理方法，其特征在于，包括： S1：建立包括高分辨清晰图像集、高分辨中间编码图像集和低分辨中间编码图像集的图像数据库； S2：构建超分辨子网络并利用所述低分辨中间编码图像集和所述高分辨中间编码图像集对所述超分辨子网络进行预训练，获得预训练后的超分辨子网络； S3：构造超分辨与数字解码集成网络模型，所述超分辨与数字解码集成网络模型包括串联的超分辨子网络和数字解码子网络； S4：利用所述低分辨中间编码图像集和所述高分辨清晰图像集，对所述超分辨与数字解码集成网络模型进行训练，获得训练后的超分辨与数字解码集成网络模型； S5：将原始低分辨中间编码图像输入所述训练后的超分辨子网络和数字解码子网络集成网路模型，获得对应的超分辨解码图像； 所述S2包括： S2.1：构建超分辨子网络，所述超分辨子网络包括图像插值模块、残差网络模块和加和模块，其中，所述图像插值模块输入低分辨中间编码图像，用于生成超分辨中间编码图像的主成分信息，所述残差网络模块用于输入所述超分辨中间编码图像的主成分信息，生成超分辨中间编码图像的残差信息；所述加和模块的输入端分别连接所述图像插值模块和所述残差网络模块，用于对所述主成分信息和所述残差信息进行加和，生成超分辨中间编码图像； S2.2：选取所述低分辨中间编码图像集中的图像作为样本特征，选取所述高分辨中间编码图像集中对应的图像作为标签，构成训练样本； S2.3：将所述低分辨中间编码图像集中的图像输入构建的超分辨子网络得到超分辨中间编码图像，基于所述超分辨中间编码图像和对应的高分辨中间编码图像标签，利用损失函数计算损失值，更新所述超分辨子网络的参数，生成预训练后的超分辨子网络； S2.4：将所述低分辨中间编码图像集中的图像输入预训练后的超分辨子网络，获得对应的超分辨中间编码图像； 所述数字解码子网络包括维纳滤波图像复原模块、浅层卷积神经网络模块和融合模块，其中，所述维纳滤波图像复原模块输入所述超分辨中间编码图像，并利用维纳滤波图像复原方法生成数字解码图像的主成分信息；所述浅层卷积神经网络模块输入所述超分辨中间编码图像，用于生成数字解码图像的残差信息；所述融合模块用于对所述数字解码图像的残差信息和主成分信息进行通道拼接，并将拼接后生成图像进行逐像素多通道自适应加权融合，生成超分辨解码图像。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。