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！

龍圖騰網獲悉四川大學;上海衛星工程研究所申請的專利可獲得超分辨率融合圖像的全色銳化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：CN115994855B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202111204970.X，技術領域涉及：G06T3/4053；該發明授權可獲得超分辨率融合圖像的全色銳化方法是由何小海;劉剛;劉屹霄;任超;熊淑華;卿粼波設計研發完成，并于2021-10-15向國家知識產權局提交的專利申請。

本可獲得超分辨率融合圖像的全色銳化方法在說明書摘要公布了：本發明公開了一種可獲得超分辨率融合圖像的全色銳化方法。主要包括以下步驟：搭建基于全色迭代投影塊組的全色圖像超分辨率重建網絡模型；預訓練該模型，輸出超分辨率二倍重建的全色圖像；針對輸入的低分辨率的多光譜圖像和全色圖像搭建初級融合網絡模塊；針對輸入的低分辨率的多光譜圖像、初級融合多光譜圖像和超分辨率重建的全色圖像，搭建多圖輸入的多圖融合網絡模塊；初級融合網絡模塊和多圖融合網絡模塊共同構成多級融合網絡，利用訓練數據集統一訓練該融合網絡，輸出最終的融合結果。本發明所述的融合方法能獲得很好的主客觀效果。因此，本發明是一種有效的可獲得超分辨率融合圖像的全色銳化方法。

本發明授權可獲得超分辨率融合圖像的全色銳化方法在權利要求書中公布了：1.可獲得超分辨率融合圖像的全色銳化方法，其特征在于包括以下步驟： 步驟一：搭建以全色迭代投影塊組為主要的構建單元搭建用于全色圖像超分辨率重建的網絡模型； 步驟二：利用步驟1的網絡，訓練重建倍數為2倍的超分辨率重建網絡模型； 步驟三：針對輸入的全色圖像，通過訓練好的網絡進行超分辨率重建，輸出提升兩倍分辨率的全色圖像； 步驟四：以殘差塊組為主要的構建單元，搭建初級融合網絡模塊； 步驟五：以多圖多尺度融合塊組為主要構建單元，搭建多圖融合網絡模塊； 步驟六：以初級融合網絡模塊和多圖融合網絡模塊構建多級融合網絡模型； 步驟七：利用訓練圖像數據集，訓練步驟6中構建的網絡； 步驟八：以多光譜圖像、全色圖像以及超分辨率重建后的全色圖像作為網絡輸入，輸出最終的融合結果；步驟一所述的全色圖像超分辨率重建的網絡模型中的全色迭代投影塊組，主要包括全色上采樣塊和全色下采樣塊；全色上采樣塊由注意力機制單元和上采樣迭代反投影單元組成；注意力機制單元包括并聯的最大池化和平均池化環節，輸出結果串聯后通過兩個1×1的卷積層，再與最初的輸入相乘；上采樣迭代反投影單元先將輸入特征圖由6×6的卷積層上采樣，再通過3×3的卷積層下采樣，下采樣的結果與輸入特征圖的差再通過一個6×6的卷積層上采樣，最后與通過跳躍連接傳遞的第一次上采樣的輸出結果相加，輸出最終上采樣的結果；全色下采樣塊由注意力機制單元和下采樣迭代反投影單元組成；注意力機制單元包括并聯的最大池化和平均池化環節，輸出結果串聯后通過兩個1×1的卷積層，再與最初的輸入相乘；下采樣迭代反投影單元先將輸入特征圖由3×3的卷積層下采樣，再通過6×6的卷積層上采樣，上采樣的結果與輸入特征圖的差再通過一個3×3的卷積層下采樣，最后與通過跳躍連接傳遞的第一次下采樣的輸出結果相加，輸出最終下采樣的結果；全色迭代投影塊組可以較好地提取全色圖像的細節特征，以獲得令人滿意的2倍超分辨率重建性能；步驟五所述的多圖融合網絡模塊中的多圖多尺度融合塊組，主要包括一個多尺度特征提取器和殘差注意力塊組；特征提取器分別由3×3，5×5和7×7的三類不同卷積核來提取多張不同輸入分辨率圖像的特征信息；輸出結果串聯后通過一個3×3的卷積層，再將特征圖送入殘差注意力塊組，該塊組由四個殘差注意力塊級聯組成，每個殘差注意力塊包括兩個3×3的卷積層，一個并聯的最大池化和平均池化環節，兩個1×1的卷積層和若干跳躍連接；殘差注意力塊組的輸出再經過一個3×3的卷積層后與長跳躍連接相加輸出最終結果；多圖多尺度融合塊組可以有效提取多個不同分辨率的輸入圖像的特征信息，實現令人滿意的最終融合性能。

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四川大學;上海衛星工程研究所，其通訊地址為：610065 四川省成都市武侯區一段路南一段24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”。