買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉安徽大學申請的專利一種基于改進型Transformer網絡的小麥樣本圖像參考超分方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116597308B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310549038.3，技術領域涉及：G06V20/10；該發明授權一種基于改進型Transformer網絡的小麥樣本圖像參考超分方法是由翁士狀;張巧巧;施金鵬;朱睿;汪聰;潘美靜;譚羽健;張盛羽設計研發完成，并于2023-05-16向國家知識產權局提交的專利申請。

本一種基于改進型Transformer網絡的小麥樣本圖像參考超分方法在說明書摘要公布了：本發明涉及一種基于改進型Transformer網絡的小麥樣本圖像參考超分方法，包括：獲取小麥樣本的LR?HSI圖、HR?HSI圖和HR?RGB圖，組成圖像對；對獲取的圖像對進行預處理，得到訓練樣本，將訓練樣本劃分為訓練集和測試集；搭建改進型Transformer網絡，利用訓練樣本訓練改進型Transformer網絡；將待處理的小麥樣本的LR?HSI圖和HR?RGB圖導入訓練好的改進型Transformer網絡，輸出參考超分HR?HSI圖像。本發明通過雙分支特征提取模塊對訓練樣本有針對性的處理，通過多水平特征融合模塊對訓練樣本多樣特征細節的補充，使得改進型Transformer網絡在小麥樣本圖像參考超分中擁有更加銳利的邊緣與更精細的細節。

本發明授權一種基于改進型Transformer網絡的小麥樣本圖像參考超分方法在權利要求書中公布了：1.一種基于改進型Transformer網絡的小麥樣本圖像參考超分方法，其特征在于：該方法包括下列順序的步驟： 1獲取小麥樣本的LR-HSI圖、HR-HSI圖和HR-RGB圖，組成圖像對； 2對獲取的圖像對進行預處理，得到訓練樣本，將訓練樣本劃分為訓練集和測試集； 3采用雙分支特征提取模塊和多水平特征融合模塊搭建改進型Transformer網絡，利用訓練樣本訓練改進型Transformer網絡； 4將待處理的小麥樣本的LR-HSI圖和HR-RGB圖導入訓練好的改進型Transformer網絡，訓練好的改進型Transformer網絡輸出參考超分HR-HSI圖像； 所述改進型Transformer網絡包含雙分支特征提取模塊和多水平特征融合模塊： 所述雙分支特征提取模塊包括用于提取LR-HSI圖的紋理和光譜特征細節的LR-HSI圖像特征提取分支，以及用于提取HR-RGB圖的紋理和光譜特征細節的HR-RGB圖像特征提取分支，LR-HSI圖像特征提取分支和HR-RGB圖像特征提取分支為并行結構，LR-HSI圖像特征提取分支、HR-RGB圖像特征提取分支均由淺層特征提取模塊和深層特征提取模塊組成； 所述淺層特征提取模塊采用Transformer編碼器、解碼器結構，HR-RGB圖和經下采樣和上采樣操作后的HR-RGB圖通過HR-RGB圖像特征提取分支轉換成特征向量Vs、Ks，所述上采樣和下采樣操作均指雙三次插值函數；LR-HSI圖通過LR-HSI圖像特征提取分支轉換為特征向量Qs； 所述深層特征提取模塊經過堆疊的卷積層、歸一化層、激活層和池化層對特征向量Qs、Ks、Vs進一步處理，在每層池化層操作前提取不同深度的特征向量Qi、Ki、Vi，i＝1,2,3，引進多尺度殘差模塊保留圖像對的淺層特征；多尺度殘差模塊使用1*1、3*3和5*5卷積并聯獲取淺層特征映射特征，經1*1卷積調整串聯后的特征向量空間與原始特征空間一致，訓練樣本經過雙分支特征提取模塊和多尺度殘差模塊的信息轉換為特征向量Q、K、V； 多水平特征融合模塊將特征向量Q、K、V與Qi、Ki、Vi，進行不同水平的融合，多水平特征融合模塊首先將特征向量Q、K、V與每一級別的Qi、Ki、Vi連接起來生成特征向量Q+、K+、V+；隨后，經雙注意力模塊DAB計算融合權重，與不同水平的特征向量Q+、K+、V+相乘后得到多樣特征，經不同尺度的上采樣插值函數、1*1卷積和線性層調整多樣特征的尺寸大小和特征空間一致，上采樣插值函數為雙三次插值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽大學，其通訊地址為：230601 安徽省合肥市經濟技術開發區九龍路111號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。