专利名称：一种基于空间超分辨率的三维图像重建系统及方法      申请号：2024109247592     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医疗影像 影视特效 游戏建模 虚拟现实 文物保护 工业设计 建筑可视化 电商展示 军事仿真 地质勘探 计算机视觉 三维重建 数字孪生 图像增强 深度学习 超分辨率   相似专利 发布日：2025/04/25  
摘要： 本发明公开了一种基于空间超分辨率的三维图像重建系统及方法，系统包括：辐射流形生成模块、特征超分辨模块、跳跃超分辨模块和图像重建模块；辐射流形生成模块用于对输入空间坐标点进行映射和渲染，得到低分辨率特征图、深度图和低分辨率图像；特征超分辨模块用于基于低分辨率特征图和深度图进行调制和特征超分辨率处理，得到高分辨率图像；跳跃超分辨率模块用于对低分辨率图像进行处理，得到超分辨率图像；图像重建模块基于真实图像、高分辨率图像和超分辨率图像得到最终图像。本发明操作简单，不需要昂贵的扫描设备，使用空间特征超分辨方法，大幅度降低了显存的消耗，能够在低计算资源消耗的条件下，实现高分辨的单视图三维重建。

专利名称：一种结合分割图的热成像超分辨率重建方法及存储介质      申请号：2021104665409     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 超分辨率   相似专利 发布日：2025/03/27  
摘要： 本发明公开了一种结合分割图的热成像超分辨率重建方法及存储介质，搭建网络模型，并训练网络模型；所述网络模型包括特征提取部分和重建图像判断部分，所述特征提取部分为双分支结构，且分为热成像重建特征提取分支和可见光图像分割特征提取分支，并通过特征相加层融合两分支的特征信息，然后，通过重建图像判断部分对深度特征进行高分辨率重建。本发明通过训练模型同时学习不同的任务，用可见光图像分割任务的像素级特征信息弥补热成像超分辨率重建过程中丢失的细节信息，有效地增强超分辨率图像的轮廓信息，提高超分辨率图像的细腻程度。

专利名称：一种融合可见光图像梯度信息的热成像超分辨率重建方法      申请号：2021101255173     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率   相似专利 发布日：2025/03/27  
摘要： 本发明公开了一种融合可见光图像梯度信息的热成像超分辨率重建方法，将训练样本输入生成网络部分，且在可见光图像的梯度图分支网络和热成像分支网络的每层中间层上进行融合，所述生成网络部分输出预测的高分辨率热成像图像和预测的高分辨率可见光梯度图，并与真实标签一起输入判别网络部分，然后利用损失函数计算预测值与真实值之间的差异，并利用随机梯度下降法优化器对损失值进行优化，迭代计算，直至损失值收敛。本发明将可见光图像的梯度图和低分辨率热成像图像构成训练样本对，利用梯度图信息增强主干网络的表达能力，减少热成像图像在训练过程中出现的信息丢失，增多模型生成超分辨热成像图像的细节信息，提升生成图像的效果。

专利名称：一种结合即插即用深度卷积网络和快速分裂的图像超分辨率方法      申请号：2024109425208     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 卷积网络 超分辨率   相似专利 发布日：2025/03/12  
摘要： 本发明公开了一种结合即插即用深度卷积网络和快速分裂的图像超分辨率方法，其包括以下步骤：（1）获取待处理的退化图像并进行预处理；（2）构建即插即用深度卷积和快速分裂网络即plug‑and‑play网络；包括：密集残差U型降噪模块和稀疏诱导项的图像恢复模块；（3）将预处理后的图像输入plug‑and‑play网络进行训练，最终得到处理后的清晰图像；本发明结合了深度卷积网络和传统算法，既可以发挥深度学习算法在提取特征时候的强大优势，也可以引入传统算法带来的先验知识，使模型具有比较强的解释性和鲁棒性，能够清晰地描述重建过程和优化过程，让整体的超分辨率效果有显著的提升。

专利名称：一种基于多尺度残差的胶囊内窥镜图像超分辨率重建方法      申请号：2022105390751     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：肠道疾病诊断 消化道疾病诊断 超分辨率   相似专利 发布日：2025/03/05  
摘要： 本发明针对胶囊内窥镜(CE)检测中因摄像头分辨率低和检查环境的限制无法获得结构、细节等特征清晰的图像，提出了一种基于多尺度残差的超分辨率重建方法用于胶囊内窥镜图像的超分辨率重建，超分辨率重建网络主要由两个部分组成，一部分是由浅层特征提取模块、多尺度残差特征提取模块(MRCB)和层次特征处理模块(HFCA)组成的特征提取部分，用于对输入的低分辨率图像(LR)进行不同尺度下信息的提取和利用，并在避免信息丢失的同时对特征信息赋予相应的权重，以便后续的上采样重建，另一部分是由亚像素层上采样方法和卷积层组成的图像重建模块，用于生成最终的超分辨率图像(SR)。

专利名称：一种集成MRI超分辨率与合成任务的系统及方法      申请号：202410338243X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医学图像 核磁共振 临床诊断 MRI 超分辨率   相似专利 发布日：2025/01/06  
摘要： 本发明涉及医学图像处理技术领域，提供了一种集成MRI超分辨率与合成任务的系统及方法，所述系统通过图像预处理模块，对高分辨率MRI图像进行预处理，得到低分辨率MRI图像；再通过MRI超分辨率与合成模型训练模块，基于所述低分辨率MRI图像训练多任务自感知Transformer网络，得到MRI超分辨率与合成模型；最后利用图像生成模块，将实际低分辨率MRI图像输入至所述MRI超分辨率与合成模型生成超分辨率MRI图像和合成MRI图像。本发明通过设计自感知Transformer，结合通道注意力的全局信息提取能力和多头自注意力的远距离建模能力，能够充分挖掘多任务间的潜在表示；通过设计自适应高频增强重建模块，有效增强解码器的重建与合成能力，能够为精准医疗提供更准确的病理信息。

专利名称：超分辨率图像重建方法及专用加速电路      申请号：2019100952322     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医学影像 医学图像采集 医学图像处理 超分辨率   相似专利 发布日：2025/03/31  
摘要： 超分辨率图像的重建方法，包括以下步骤：步骤1，第一层为输入层，输入一个低分辨图像DL；步骤2，第二至第六层为卷积层，低分辨率的图像经过卷积层的卷积运算获得一系列的特征图，这些特征图经过非线性映射成为高分辨率的图像块；步骤3，第七层为反卷积层，经过反卷积层的反卷积运算进一步提高图像块的分辨率；步骤4，最终由第八层输出重建的高分辨率的图像DH；专用加速电路，包括有网络训练服务器，网络训练服务器便携图像采集电路的网络结构参数存储单元相连；网络结构参数存储单元通过网络结构参数导入控制单元与超分辨率芯片的主存储器相连；主存储器的数据输入端与CMOS摄像头相连；具有高效运算、方法精简的特点。

专利名称：一种基于局部回归模型的图像超分辨率重建方法      申请号：2015109029090     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率   相似专利 发布日：2025/03/06  
摘要： 本发明公开一种基于局部回归模型的图像超分辨率重建方法，首先，对输入低分辨率图像，高斯低通滤波得到其低频带图像，双立方插值得到输出高分辨率图像的近似低频带图像。其次，重建时对高分辨率图像的低频带图像中每个图像块应用一阶回归模型，回归模型中高/低图像间的映射函数可对输入图像通过机器学习的方法得到，即利用输入低分辨率图像及其低频带图像对应位置采样得到对应位样本图像块对进行字典训练。最后，重建图像块的非局部自相似块分别应用一阶回归模型，加权综合得到重建的高分辨率图像块。本发明所提出方法无需利用外部图像模型，而是利用输入图像自身学习得到先验模型，依此模型重建出的高分辨图像取得了较好的主客观重建效果。

专利名称：一种多孔径紧凑型多光谱成像系统及深度学习图像超分辨率重建方法      申请号：2020108972079     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光谱检测 光谱仪 超分辨率   相似专利 发布日：2025/04/21  
摘要： 本发明公开了一种多孔径紧凑型多光谱成像系统及深度学习图像超分辨率重建方法，系统包括：面阵CCD探测器、线性渐变滤光片、高精度角度调节器、微透镜阵列、多孔径遮光板、电控精密位移台和计算机；计算机用于通过深度学习图像超分辨率重建算法获取目标物超分辨率图像。多孔径紧凑型多光谱成像系统易于实现、成本低廉、操作和控制方便。通过采用微透镜阵列以及安装角度可调节的线性渐变滤光片，不但可以得到同一目标物的不同波段图像，而且可以调节、控制光谱分辨率。同时，由于采用多孔径遮光板，避免了图像重叠和杂散光影响，抗干扰能力和实用性更强。另外，通过采用深度学习图像超分辨率重建算法，可以快速重建出高质量的超分辨率图像。

专利名称：基于多重微分一致性约束和对称冗余网络的单帧图像超分辨率重建方法      申请号：2019107288883     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 超分辨率   相似专利 发布日：2025/02/21  
摘要： 本发明涉及基于多重微分一致性约束和对称冗余网络的单帧图像超分辨率重建方法，包括：S1建立低分辨率图像和高分辨率图像之间的一致性对应关系，通过获取0阶梯度、1阶梯度和2阶梯度，分别建立关于结构、边缘和纹理的观测模型，即一致性约束模型；S2：根据所需重建图像的种类，构建高分辨率图像和低分辨率图像之间在结构、边缘和纹理层面上的对应训练集；S3：建立基于对称冗余深度神经网络的训练模型，获得高分辨率图像和低分辨率图像之间的映射关系。S4：利用半二次迭代方法将步骤S1的一致性约束模型和步骤S3的先验约束建立超分辨率重建模型，并进行求解，得到重建后的超分辨率图像。

专利名称：一种基于超分辨率重建的模糊图像分类方法      申请号：2021107137804     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率   相似专利 发布日：2025/03/12  
摘要： 本发明公开了一种基于超分辨率重建的模糊图像分类方法，包括如下步骤：步骤1、在上位机中，对原始高分辨率图像指定类别标签，然后将原始高分辨率图像进行高斯平滑后再进行下采样，获得带有标签的低分辨率图像作为步骤2的输入；步骤2、构建融合模型，包括串联的超分辨率重建模型和分类模型，超分辨率重建模型包括串联的生成模型和鉴别模型；步骤3、分别建立超分辨率重建模型和分类模型的损失函数，利用训练集来训练步骤2建立的融合模型，利用测试集测试融合模型获得具有在线生产能力的融合模型。本发明的方法用以将超分辨率重建的模糊图像进行分类识别。

专利名称：融合光场子孔径图像与宏像素图像的角度超分辨率方法      申请号：2022103927396     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：多维计算机摄影 超分辨率   相似专利 发布日：2025/04/07  
摘要： 本发明公开融合光场子孔径图像与宏像素图像的角度超分辨率方法，包括：获取初始图像，提取子孔径图像阵列Y通道信息，基于初始图像，获取第一高角度分辨率子孔径图像阵列Y通道信息；将子孔径图像阵列Y通道信息转换为宏像素图像阵列Y通道信息；基于宏像素图像阵列Y通道信息，获取第二高角度分辨率子孔径图像阵列Y通道信息；基于第一高角度分辨率子孔径图像阵列Y通道信息及第二高角度分辨率子孔径图像阵列Y通道信息，获取最终高角度分辨率子孔径图像阵列Y通道信息，基于U通道信息及V通道信息及最终高角度分辨率子孔径图像阵列Y通道信息，得到高角度超分辨率子孔径图像阵列。本发明能够有效提升角度超分辨率后光场图像的图像质量。

专利名称：光场图像角度超分辨率重建方法      申请号：2020111548941     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：图像处理 数字聚焦 超分辨率   相似专利 发布日：2025/04/07  
摘要： 本发明公开了一种光场图像角度超分辨率重建方法，包括以下步骤：（1）将低角度分辨率光场图像的子孔径图像阵列从RGB空间转换到YUV空间，提取Y通道信息；（2）构建金字塔结构；（3）通过光场图像角度超分辨率网络获得粗的高角度分辨率子孔径图像阵列Y通道信息；（4）通过纹理修复网络获得高角度分辨率子孔径图像阵列Y通道残差信息；（5）步骤（3）、（4）计算结果相加获得最终高角度分辨率子孔径图像阵列；获得最终高角度分辨率子孔径图像阵列U和V通道信息；（6）依据所得Y、U、V通道信息获得最终高角度分辨率子孔径图像阵列。本发明可以获取高的光场角度重建质量，满足深度提取、三维重建等多种应用的实时性需求。

专利名称：一种超分辨率立体显示装置      申请号：2023103341986     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率   相似专利 发布日：2025/04/14  
摘要： 为解决人眼通过任意分光元件在其分光方向上通常仅能看到唯一一个像素，从而导致立体显示装置分辨率较低的问题，本发明提出了一种超分辨率立体显示装置。该超分辨率立体显示装置由光源阵列、透明液晶显示面板、第一分光元件阵列及第二分光元件阵列构成。不同时间片隙内，其光源阵列点亮不同位置的光源，而不同位置的光源发射的光线由第一分光元件汇聚至第二分光元件上的不同位置；时分复用的，光源阵列内不同位置的光源依次点亮，从而使得光线从第二分光元件的不同位置形成出射，因此人眼可以在不同时间片隙内从第二分光元件的不同位置分别看到不同的图像信息，从而实现超分辨率立体显示。

专利名称：一种图像超分辨率重建方法、系统及设备      申请号：2023105091222     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率   相似专利 发布日：2024/12/27  
摘要： 本发明公开了一种图像超分辨率重建方法、系统及设备，所述方法包括：通过第一参考图像获取第一图像和输入图像；利用卷积结构下采样提取输入图像浅层特征，得到第二参考图像；通过组合操作处理第二参考图像，得到融合特征图像；将融合特征图像进行迭代上下采样操作，得到第一图像的超分辨率图像；将第一图像超分辨率图像利用对偶卷积结构进行降采样，获得超分辨率降采样图像；通过训练得到图像超分辨率重建模型，使用模型对低分辨率图像进行重建，得到重建完成的超分辨率图像；采用上述方案，可以使超分辨率图像具有丰富纹理，提高了图像超分辨率的性能，实现了充分利用浅层深层图像特征完成图像超分辨率重建。

专利名称：一种基于分数阶梯度插值的超分辨率方法      申请号：2017101527097     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 超分辨率   相似专利 发布日：2024/07/25  
摘要： 一种基于分数阶梯度插值的超分辨率方法，其步骤依次如下：①首先构建基于分数阶的梯度模板：对插值的中心点建立6个方向的分数阶梯度模板，对插值边缘点建立9个方向的分数阶梯度模板；②然后通过图像相似性准则选择最优分数阶值及插值梯度：采用梯度相似的最小能量函数确定最优的分数阶值；③然后通过最小能量函数构建超分辨率图像；④之后通过金字塔法构建多比例超分辨率图像：每层比例为2，对每4个低分辨率像素点，插值1个中心点和4个边缘点。本发明可得到最优梯度值，获得的高分辨率图像有更高的相似度及更加清晰的纹理细节，并且在大比例下有较好的鲁棒性。

专利名称：自适应超分辨率观测实验系统及其工作方法      申请号：2016106920209     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：实验室 超分辨率   相似专利 发布日：2024/01/23  
摘要： 本发明涉及一种自适应超分辨率观测实验系统及其工作方法，本自适应超分辨率观测实验系统包括：处理器模块，与该处理器模块相连的复眼图像采集装置，以及用于放置岩片测试模型的芯片位；所述复眼图像采集装置适于拍摄岩片测试模型内多相流体的分布和流动状况的图像数据；本发明通过复眼图像采集装置能够在光线强度减弱时，两图像采集模块沿半圆形导轨相向运动靠拢，以收缩视域范围，以清晰拍摄岩片测试模型内多相流体的分布和流动状况，获得高清晰的图像数据，并且在光照强度增强的时候，两图像采集模块还能分开分别独立采集图像数据，两种工作方式即可实现自适应超分辨率的图像数据采集。

专利名称：一种基于多尺度反馈网络的图像超分辨率重建方法      申请号：202010682515X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 超分辨率   相似专利 发布日：2025/03/11  
摘要： 本发明涉及一种基于多尺度反馈网络的图像超分辨率重建方法，包括如下步骤：(1)建立图像数据集；(2)提取输入图像的特征，其次用多尺度上、下投影单元递归实现低分辨率和高分辨率的特征映射，得到不同深度的高分辨率特征图，然后把高分辨率特征图用卷积计算得到残差图像，最后对低分辨率图像插值并与残差图像相加得到输出的图像；(3)用数据集训练多尺度反馈网络，生成训练后的网络模型；(4)将待处理的低分辨率图像输入训练好的网络中得到输出的高分辨率图像。本方法不但通过较小的参数调整就可以训练不同深度的网络以及扩展到其他放大倍数、节约了训练成本，而且可以实现更大倍数的放大，提高重建图像的峰值信噪比和结构相似性。

专利名称：一种基于条件生成对抗网络的单幅图像超分辨率重建方法      申请号：2019103927197     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 超分辨率   相似专利 发布日：2025/03/11  
摘要： 本发明公开了一种基于条件生成对抗网络的单幅图像超分辨率重建方法。在生成对抗网络的判别器网络中加入判别条件，即原始真实图像。在生成器网络中加入深度残差学习模块来实现高频信息的学习和缓解梯度消失的问题。将需要重建的单张低分辨率图像输入至预先训练好的条件生成对抗网络中，进行超分辨率重建，得到重建的高分辨率图像；所述条件生成对抗网络模型的学习步骤包括：将高低分辨率训练集输入到条件生成对抗网络模型中，并使用预先训练好的模型参数作为该次训练的初始化参数，通过损失函数来判断整个网络的收敛情况，当损失函数收敛时，得到最终训练好的条件生成对抗网络模型，并保存模型参数。

专利名称：一种基于深度学习的卫星云图超分辨率重建方法      申请号：2020106778924     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：卫星 超分辨率   相似专利 发布日：2025/03/11  
摘要： 本发明公开了一种基于深度学习的卫星云图超分辨率重建方法，制作并预处理卫星云图，得到高分辨率卫星云图数据集；将高分辨率卫星云图数据集划分为建模用训练数据集和测试数据集；构建并训练基于深度学习的卫星云图超分辨率重建模型；将低分辨率卫星云图输入训练后的卫星云图超分辨率重建模型中，得到高分辨率卫星云图。通过深度学习方法得到高精度的有细节的卫星云图高分辨率重建图像，取得比传统方法更具准确性和普适性的重建效果，能够通过低分辨率卫星云图获得高分辨率卫星云图，提高其实用性。