買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國科學(xué)技術(shù)大學(xué)申請的專利一種基于事件數(shù)據(jù)驅(qū)動的模糊視頻超分辨率方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119850420B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510020067.X，技術(shù)領(lǐng)域涉及：G06T3/4053；該發(fā)明授權(quán)一種基于事件數(shù)據(jù)驅(qū)動的模糊視頻超分辨率方法是由孫曉艷;開大純;朱胡悅;張越一設(shè)計研發(fā)完成，并于2025-01-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于事件數(shù)據(jù)驅(qū)動的模糊視頻超分辨率方法在說明書摘要公布了：本發(fā)明公開了一種基于事件數(shù)據(jù)驅(qū)動的模糊視頻超分辨率方法，其步驟包括：1、準(zhǔn)備訓(xùn)練視頻數(shù)據(jù)和對應(yīng)的事件序列，并對事件序列進(jìn)行表征；2、構(gòu)建模糊視頻超分辨率神經(jīng)網(wǎng)絡(luò)模型；3、對構(gòu)建的模糊視頻超分辨率神經(jīng)網(wǎng)絡(luò)模型進(jìn)行離線訓(xùn)練；4、利用訓(xùn)練好的模型進(jìn)行預(yù)測，以實(shí)現(xiàn)模糊視頻超分辨率的目標(biāo)。本發(fā)明通過利用事件數(shù)據(jù)驅(qū)動的方式，能提升模糊視頻超分辨率的修復(fù)效果，從而能生成清晰的視頻幀。

本發(fā)明授權(quán)一種基于事件數(shù)據(jù)驅(qū)動的模糊視頻超分辨率方法在權(quán)利要求書中公布了：1.一種基于事件數(shù)據(jù)驅(qū)動的模糊視頻超分辨率方法，其特征在于，是按如下步驟進(jìn)行： 步驟1獲取訓(xùn)練視頻圖像數(shù)據(jù)集及其對應(yīng)的事件序列，并對事件序列進(jìn)行表征： 步驟1.1獲取訓(xùn)練視頻圖像數(shù)據(jù)集： 獲取清晰的高分辨率視頻圖像數(shù)據(jù)集，其中，表示第個清晰的高分辨率圖像，，為高分辨率圖像的總數(shù)量； 對清晰的高分辨率視頻圖像集進(jìn)行模糊和降分辨率處理，得到模糊的低分辨率視頻圖像集，其中，表示第個模糊的低分辨率圖像； 令表示訓(xùn)練視頻圖像數(shù)據(jù)集； 步驟1.2對事件序列進(jìn)行表征： 獲取高分辨率視頻圖像集的幀內(nèi)事件序列和幀間事件序列，其中，和分別表示第個清晰的高分辨率圖像所對應(yīng)的幀內(nèi)事件序列和幀間事件序列； 對和分別進(jìn)行降分辨率處理，得到低分辨率視頻圖像集對應(yīng)的幀內(nèi)事件序列和幀間事件序列，其中，和分別表示第個模糊的低分辨率圖像所對應(yīng)的幀內(nèi)事件序列和幀間事件序列； 對進(jìn)行體素化表示，得到低分辨率視頻圖像集對應(yīng)的幀內(nèi)事件體素序列，其中，表示的幀內(nèi)事件體素，表示事件體素通道數(shù)量，表示圖像高度，表示圖像寬度； 對事件序列進(jìn)行體素化表示，得到低分辨率視頻圖像集對應(yīng)的幀內(nèi)事件體素序列，其中，表示的幀間事件體素； 步驟2構(gòu)建模糊視頻超分辨率神經(jīng)網(wǎng)絡(luò)，包括：特征提取層、“幀-事件”協(xié)同去模糊模塊、“光流-事件”協(xié)同時間對齊模塊、幀重建模塊； 步驟2.1、所述特征提取層包括：圖像特征提取層、幀內(nèi)事件特征提取層和幀間事件提取層，并分別對、和進(jìn)行特征提取，相應(yīng)得到第個模糊幀特征、第個幀內(nèi)事件特征和第個幀間事件特征，其中，表示所提取的特征維度； 步驟2.2、所述“幀-事件”協(xié)同去模糊模塊包括：幀和事件預(yù)處理層、幀引導(dǎo)的事件去模糊層、事件引導(dǎo)的幀去模糊層和全連接融合層組成，并分別對和進(jìn)行處理，相應(yīng)得到第個去模糊后的幀特征和第個去模糊后的幀內(nèi)事件特征； 步驟2.3、所述“光流-事件”協(xié)同對齊模塊包括：光流引導(dǎo)的對齊模塊、事件引導(dǎo)的對齊模塊和可變形卷積層，并對第個低分辨率圖像和第個低分辨率圖像進(jìn)行處理，得到第個特征圖； 步驟2.3.1、所述光流引導(dǎo)的對齊模塊由層下采樣卷積層和層上采樣卷積層交替連接組成，并對和進(jìn)行光流估計，得到關(guān)于的第個光流； 利用式9對第個光流和第個特征圖進(jìn)行變換，從而得到第個來自光流對齊的特征： 9 式9中，表示圖像扭曲變換；當(dāng)i=1時，令； 步驟2.3.2、所述事件引導(dǎo)的對齊模塊由個卷積層和GeLU激活層組成，并對第個幀間事件特征和第個特征圖進(jìn)行處理，得到第個來自事件對齊的特征； 步驟2.3.3、將、、、、和沿通道拼接后輸入所述可變形卷積層中進(jìn)行處理，得到第個特征圖； 步驟2.4、所述幀重建模塊由多個反卷積層和上采樣層依次串聯(lián)組成，并對第個低分辨率圖像和第個特征圖進(jìn)行處理后，得到第個超分辨率圖像；從而得到超分辨率視頻集； 步驟3、利用式10損失函數(shù)： 10 式10中，是一個非負(fù)常數(shù)； 步驟4、利用梯度下降法對模糊視頻超分辨率神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并計算所述損失函數(shù)以更新網(wǎng)絡(luò)參數(shù)，當(dāng)訓(xùn)練迭代次數(shù)達(dá)到設(shè)定的次數(shù)或損失函數(shù)收斂時，訓(xùn)練停止，從而得到最優(yōu)模糊視頻超分辨率模型；用于對模糊的低分辨率視頻圖像進(jìn)行處理，以獲得對應(yīng)的清晰的高分辨率視頻圖像。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國科學(xué)技術(shù)大學(xué)，其通訊地址為：230026 安徽省合肥市包河區(qū)金寨路96號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。