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！

龙图腾网获悉西南石油大学申请的专利一种基于双域嵌合注意力机制的图像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：CN121437272B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202512000060.4，技术领域涉及：G06T3/4053；该发明授权一种基于双域嵌合注意力机制的图像超分辨率重建方法是由张政;谭乐婷;安建;胡云华设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本一种基于双域嵌合注意力机制的图像超分辨率重建方法在说明书摘要公布了：本发明公开了一种基于双域嵌合注意力机制的图像超分辨率重建方法，属于图像超分辨率重建技术领域。本发明包括：采集图像并进行预处理；构建图像处理模型；采用预处理后的图像训练该图像处理模型，训练中采用自适应的注意力分配策略，动态调整局部注意力权重，采用边缘感知多约束损失函数，并动态协调整体重建与边缘质量，提升重建图像的细节清晰度与轮廓自然度；采用训练后的图像处理模型进行图像超分辨率重建。本发明将基于双域嵌合注意力机制的ViT模块嵌入U‑Net网络的瓶颈层，并采用了一种基于梯度对齐课程演进策略的边缘感知多约束损失函数，所得的模型具有良好的图像超分辨率重建性能。

本发明授权一种基于双域嵌合注意力机制的图像超分辨率重建方法在权利要求书中公布了：1.一种基于双域嵌合注意力机制的图像超分辨率重建方法，其特征在于，包括如下步骤： S1、采集图像并进行预处理； S2、构建图像处理模型，所述图像处理模型以多层级的U-Net作为主网络结构，U-Net瓶颈层采用ViT模块，所述ViT模块先将U-Net编码器输出的特征图通过图像块嵌入转换为序列数据，随后输入至采用了双域嵌合注意力机制的Transformer编码器进行特征增强，最后通过Transformer解码器解码将增强后的序列数据恢复为特征图并作为U-Net解码器的输入； S3、采用预处理后的图像训练所述图像处理模型，训练中采用自适应的注意力分配策略，动态调整全局注意力和局部注意力的相对重要性，采用边缘感知多约束损失函数，动态协调整体重建与边缘质量，提升重建图像的细节清晰度与轮廓自然度； S4、将待处理图像输入训练后的图像处理模型中，进行图像超分辨率重建； 所述Transformer编码器为多层串联结构，且每层均采用双域嵌合注意力机制，所述双域嵌合注意力机制包括两个并行分支，分别为全局分支和局部分支，其中，所述全局分支采用多头自注意力机制，各个注意力头的输出拼接得到全局分支输出；所述局部分支采用掩码自注意力机制，所述掩码自注意力机制通过掩码矩阵使得每个位置只关注自己相邻的多个位置，进而得到各个注意力头的局部注意力权重，再结合各个注意力头的值向量得到各个注意力头的输出，各个注意力头的输出合并得到局部分支输出；最后，所述全局分支输出与所述局部分支输出加权融合得到融合输出； 式中，表示局部分支的权重； 所述掩码矩阵如下： 表示掩码矩阵第i行第j列的元素值；表示掩码矩阵中目标位置关注的邻域范围； 步骤S3中，所述训练中采用自适应的注意力分配策略，具体包括如下步骤： S331、设置结构相似性指数作为重建质量水平评估的指标； 所述结构相似性指数的计算式如下： 分别表示超分辨重建图像和真实图像；表示两个图像的结构相似性指数；分别表示两个图像的局部均值；分别表示两个图像局部方差；表示两个图像的局部协方差；为常数； S332、设置局部分支的权重的初始值为0并进行训练，训练过程中实时监测所述结构相似性指数，当所述结构相似性指数的收敛状态达到预设的第一收敛判定条件时，记录此时的训练轮次数作为临界训练轮次； S333、对于临界训练轮次之后的每轮训练，动态调节局部分支的权重； 局部分支的权重的动态调节计算式为： 表示第训练轮次时局部分支的权重；表示临界训练轮次；为常数。

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南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。