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)獲悉濟(jì)寧安泰礦山設(shè)備制造有限公司申請的專利基于深度特征校準(zhǔn)的輕量化礦井圖像超分辨率重建系統(tǒng)及方法獲國家發(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：CN119919292B 。

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：202411981279.6，技術(shù)領(lǐng)域涉及：G06T3/4076；該發(fā)明授權(quán)基于深度特征校準(zhǔn)的輕量化礦井圖像超分辨率重建系統(tǒng)及方法是由李向陽;張連軍;牛金濤;祖安;馬祥;章通;邢惠設(shè)計(jì)研發(fā)完成，并于2024-12-31向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度特征校準(zhǔn)的輕量化礦井圖像超分辨率重建系統(tǒng)及方法在說明書摘要公布了：本發(fā)明屬于圖像分辨重建技術(shù)領(lǐng)域，公開了一種基于深度特征校準(zhǔn)的輕量化礦井圖像超分辨率重建系統(tǒng)及方法，該重新系統(tǒng)包括淺層特征提取層、深層特征提取層和重建模塊層，重建方法為：通過淺層特征提取層提取淺層特征，并將淺層特征輸入到多個(gè)堆疊的殘差注意力特征模塊中進(jìn)行深層特征提取，先將深層特征進(jìn)行聚合，在與步驟1的淺層特征進(jìn)行融合，并將重合后的圖像輸入重建模塊層進(jìn)行圖像重建后即可得到超分辨率圖像。本發(fā)明在圖像重建中獲得更準(zhǔn)確的結(jié)果，對于結(jié)構(gòu)復(fù)雜的礦井圖像有著更好的重建效果。

本發(fā)明授權(quán)基于深度特征校準(zhǔn)的輕量化礦井圖像超分辨率重建系統(tǒng)及方法在權(quán)利要求書中公布了：1.一種基于深度特征校準(zhǔn)的輕量化礦井圖像超分辨率重建系統(tǒng)，其特征在于：所述輕量級礦井圖像超分辨率重建系統(tǒng)包括淺層特征提取層、深層特征提取層和重建模塊層，其中： 所述淺層特征提取層為一個(gè)核大小為3×3的卷積層，對輸入圖像進(jìn)行淺層特征提取，淺層特征提取層的輸出作為深層特征提取層的輸入； 所述深層特征提取層由多個(gè)殘差注意力特征模塊FARG組成，所述殘差注意力特征模塊FARG包括深度特征校準(zhǔn)注意力模塊HFFCA和深度特征校準(zhǔn)模塊HFFCB，所述深度特征校準(zhǔn)模塊包括高頻特征細(xì)化模塊HFFOB、高頻特征非冗余模塊HFNRB、多尺度特征增強(qiáng)模塊MSFEB； 所述重建模塊層包括一個(gè)亞像素卷積層和一個(gè)核大小為3×3的卷積層，所屬亞像素卷積層包括一個(gè)核大小為3×3的卷積層，其中： 將提取的淺層特征輸入至多個(gè)堆疊的殘差注意力特征模塊FARG中進(jìn)行深層特征提取，具體包括如下步驟： 步驟2.1、將提取到的淺層特征輸入至多個(gè)級聯(lián)的深度特征校準(zhǔn)模塊中，提取有利于圖像紋理細(xì)節(jié)恢復(fù)的高頻信息，同時(shí)確保高頻信息的非冗余性；在此步驟中，所述深度特征校準(zhǔn)模塊通過高頻特征細(xì)化模塊HFFOB、高頻特征非冗余模塊HFNRB以及多尺度特征增強(qiáng)模塊MSFEB來提取有利于圖像紋理細(xì)節(jié)恢復(fù)的高頻信息，同時(shí)確保高頻信息的非冗余性，具體包括如下步驟： 步驟2.1.1、高頻特征細(xì)化模塊HFFOB使用不同倍數(shù)的上采樣和下采樣方式、標(biāo)準(zhǔn)卷積以及深度可分離卷積來提取高頻信息，表示為： Y1＝HLFEBHSamplingX1 Y2＝SConvGeluDeConvX1 其中，HSampling·為經(jīng)過二倍、四倍、八倍上下采樣融合的函數(shù)，HLFEB·為LFEB的函數(shù)，DeConv·為2×2反卷積運(yùn)算，SConv·為步長為2的跨步卷積，σ是Sigmoid函數(shù)，表示為逐元素乘法，Y為HFFOB的輸出，Y1和Y2為神經(jīng)網(wǎng)絡(luò)中的臨時(shí)張量； 步驟2.1.2、高頻特征非冗余模塊HFNRB通過使用最大池化、標(biāo)準(zhǔn)卷積以及深度可分離卷積，通過減少特征傳播中的重復(fù)高頻信息，以保證高頻信息的非冗余性，表示為： Z1＝HLFEBX2′ Z2＝GeluConv1HMaxX2″ Z＝Conv1CatZ1+Z2+X2 其中，HMax·為最大池化的函數(shù)，Z為HFNRB的輸出，Z1和Z2為神經(jīng)網(wǎng)絡(luò)中的臨時(shí)張量； 步驟2.1.3、多尺度特征增強(qiáng)模塊MSFEB對高頻特征細(xì)化模塊HFFOB和高頻特征非冗余模塊HFNRB聚合后的特征進(jìn)行全局信息的引導(dǎo)和學(xué)習(xí)，獲得多尺度特征增強(qiáng)模塊MSFEB的輸出特征，表示為： M1＝Conv1HCSCatY,Z M＝DW3×3Conv1M2+GeluDW3×3Conv1M2+X2 其中，HCS·為通道混洗操作，DWm×n·為核大小為m×n的深度可分離卷積，M為多尺度特征增強(qiáng)模塊MSFEB的輸出，M1和M2為神經(jīng)網(wǎng)絡(luò)中的臨時(shí)張量； 步驟2.2、將每個(gè)深度特征校準(zhǔn)模塊的輸出沿著殘差注意力特征模塊的傳輸路徑輸入至深度特征校準(zhǔn)注意力模塊HFFCA中，校準(zhǔn)并選擇高頻信息； 步驟2.3、將所述每個(gè)深度特征校準(zhǔn)模塊的輸出和深度特征校準(zhǔn)注意力模塊HFFCA的輸出進(jìn)行融合，再將其通過通道對比度注意力CCA，捕捉不同通道維度的圖像特征，獲取特征信息，其中，融合分成特征聚合路徑和注意力聚合路徑。

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)人濟(jì)寧安泰礦山設(shè)備制造有限公司，其通訊地址為：272399 山東省濟(jì)寧市魚臺縣經(jīng)濟(jì)開發(fā)區(qū)(古亭路西、北一環(huán)路南)；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)”。