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！

龍圖騰網獲悉天津師范大學;河北化工醫藥職業技術學院;鎮江德諾信光電科技有限公司申請的專利基于生成對抗網絡的OCT圖像超分辨率重建方法及系統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：CN120525723B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202511029334.6，技術領域涉及：G06T3/4053；該發明授權基于生成對抗網絡的OCT圖像超分辨率重建方法及系統是由韓婷婷;李文軒;齊丹丹;陶魁園設計研發完成，并于2025-07-25向國家知識產權局提交的專利申請。

本基于生成對抗網絡的OCT圖像超分辨率重建方法及系統在說明書摘要公布了：本發明提出一種基于生成對抗網絡的OCT圖像超分辨率重建方法及系統，涉及圖像超分辨率技術領域。本發明的技術要點包括：構建了一個基于生成對抗網絡的圖像超分辨率重建模型，以用于低分辨率OCT圖像的超分辨率重建；該模型包括生成器和判別器，生成器包括淺層特征提取模塊、深層特征提取模塊、多級特征融合模塊、圖像重建模塊；其中深層特征提取模塊包括多個串聯的局部?全局特征提取器，其包括局部特征提取器、全局特征提取器和一個卷積層；多級特征融合模塊通過融合多個局部?全局特征提取器的輸出，使模型能夠綜合利用不同層級的特征信息。本發明提升了OCT圖像的感知質量，實現了OCT圖像的超分辨率。

本發明授權基于生成對抗網絡的OCT圖像超分辨率重建方法及系統在權利要求書中公布了：1.一種基于生成對抗網絡的OCT圖像超分辨率重建方法，其特征在于，包括： 獲取OCT圖像數據集，所述OCT圖像數據包括低分辨率OCT圖像和對應的高分辨率OCT圖像； 構建基于生成對抗網絡的圖像超分辨率重建模型，并將所述OCT圖像數據集輸入所述圖像超分辨率重建模型中進行訓練，獲取訓練好的圖像超分辨率重建模型；其中，基于生成對抗網絡的圖像超分辨率重建模型包括生成器和判別器，所述生成器包括淺層特征提取模塊、深層特征提取模塊、多級特征融合模塊、圖像重建模塊；所述淺層特征提取模塊用于對輸入的低分辨率OCT圖像提取淺層特征；所述深層特征提取模塊用于對提取的淺層特征，進一步提取圖像的多個深層特征，所述深層特征提取模塊包括多個串聯的局部-全局特征提取器，每一個局部-全局特征提取器的輸出連接下一個局部-全局特征提取器的輸入和所述多級特征融合模塊的輸入；所述局部-全局特征提取器包括局部特征提取器、全局特征提取器和一個卷積層；所述局部-全局特征提取器的運行機制為：通過所述局部特征提取器提取局部特征，隨后通過所述全局特征提取器提取全局特征，隨后通過一個卷積層進行進一步學習，隨后通過殘差連接將卷積層輸出與所述局部特征提取器的輸入相加；所述多級特征融合模塊用于對所述多個深層特征進行融合，獲取全局融合特征；所述圖像重建模塊用于基于所述全局融合特征進行圖像重建； 利用訓練好的圖像超分辨率重建模型對待重建的低分辨率OCT圖像進行重建，獲取對應的超分辨率OCT圖像； 其中，所述多級特征融合模塊對多個深層特征進行融合，獲取全局融合特征的過程包括： 將每個局部-全局特征提取器輸出的特征進行拼接；隨后，將拼接后的特征輸入空間自適應特征調制子模塊進一步細化特征；隨后，將空間自適應特征調制子模塊輸出的細化特征與最后一個局部-全局特征提取器的輸出特征再次進行拼接；隨后，經過一個卷積層，得到全局融合特征； 其中，所述空間自適應特征調制子模塊包括多條并行子通道； 其中，一條子通道由深度可分離卷積組成，其余子通道由深度可分離卷積、自適應最大池化和上采樣構成，且不同子通道采用不同的池化尺度；將多個子通道處理后的輸出特征進行拼接，隨后經過卷積和GeLU激活函數，得到特征權重；隨后將特征權重與所述空間自適應特征調制子模塊的輸入特征相乘，得到細化特征。

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天津師范大學;河北化工醫藥職業技術學院;鎮江德諾信光電科技有限公司，其通訊地址為：300387 天津市西青區賓水西道393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”。