专利名称：融合空间和角度特征的光场图像超分辨率重建方法      申请号：2023107423379     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光学仪器 分辨率重建   相似专利 发布日：2025/07/16  
摘要： 本发明具体涉及融合空间和角度特征的光场图像超分辨率重建方法，包括：将目标光场图像输入训练后的超分辨重建模型，输出超分辨率重建图像；模型训练时：提取低分辨率的光场图像中各个子孔径图像的2D空间特征和2D角度特征，然后连接2D空间特征和2D角度特征生成全局特征；对全局特征进行融合增强，生成光场图像的4D光场特征；根据光场图像的4D光场特征进行超分辨率重建，生成超分辨率重建图像；根据超分辨率重建图像和用作样本的高分辨率的光场图像计算训练损失，优化超分辨重建模型的参数直至模型收敛。本发明能够充分考虑光场图像的2D空间特征和2D角度特征，并且能够实现光场图像中空间特征信息和角度特征信息的有效互补。

专利名称：基于亚像素和梯度引导的光场图像超分辨率重建方法      申请号：2023108740183     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光学仪器 分辨率重建   相似专利 发布日：2025/07/16  
摘要： 本发明具体涉及基于亚像素和梯度引导的光场图像超分辨率重建方法，包括：将目标光场图像输入超分辨重建模型得到超分辨率重建图像；训练时：将低分辨率光场图像和对应的梯度阵列作为模型输入；提取低分辨率光场图像和对应梯度阵列的多重亚像素特征；对光场和梯度多重亚像素特征进行特征表示增强；对光场和梯度多重亚像素增强特征进行特征融合得到多重亚像素融合特征；基于多重亚像素融合特征进行超分辨率重建，并将低分辨率光场图像经过双三次插值后与重建图像相加生成超分辨率重建图像；计算训练损失并优化模型参数直至收敛。本发明通过多重亚像素信息来弥补光场中的像素差异性，通过梯度先验来引导超分辨重建以保护重建图像的边缘纹理细节。

专利名称：人脸图像超分辨率重建方法及计算机可读取的存储介质      申请号：202211401689X     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 分辨率重建   相似专利 发布日：2025/07/08  
摘要： 本发明公开了一种人脸图像超分辨率重建方法及计算机可读取的存储介质，属于人脸图像处理技术领域。重建方法包括获取低分辨率人脸图像和训练完成的深度学习网络，将低分辨率人脸图像输入深度学习网络，低分辨率人脸图像信息沿着网络的深度方向传递，将第一精制特征图与第二精制特征图融合，图像重置机构以复合特征图作为输入，重建并输出高分辨率人脸图像等步骤。本发明的相邻两个双通道特征提取机构之间通过两个信道传递信息，不同种类的特征信息分布更加分散，信息过滤效果更好，测试表明，本发明提供的人脸图像重建方法性能先进。

专利名称：一种遥感图像的超分辨率重建方法、系统及介质      申请号：2024102005395     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：遥感 分辨率重建   相似专利 发布日：2025/06/24  
摘要： 本发明涉及图像处理技术领域，具体涉及一种遥感图像的超分辨率重建方法、系统及介质，方法包括：建立用于遥感图像超分辨率重建的重建模型，建立求解重建模型中退化矩阵的数学模型；构建基于知识蒸馏的DCTNet网络，DCTNet网络包括教师网络和学生网络，采用DCTNet网络对退化矩阵进行求解，基于求解得到的重建图像对DCTNet网络进行迭代训练，得到训练好的DCTNet网络；获取遥感图像，将遥感图像输入训练好的DCTNet网络进行图像重建，得到重建图像；其中，遥感图像为低分辨率图像，重建图像为高分辨率图像；本发明能够提高遥感图像的分辨率。

专利名称：医疗图像超分辨率重建方法及系统      申请号：2021101450975     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医疗 分辨率重建   相似专利 发布日：2025/09/19  

应用场景：CT/MRI等医学影像设备的高分辨率成像优化;辅助医生诊断微小病灶;病理切片数字化分析;手术导航中的精细结构识别;远程医疗中的图像质量提升

专利名称：一种人脸超分辨率重建方法及系统      申请号：2021104879018     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 分辨率重建   相似专利 发布日：2025/09/19  

应用场景：安防监控中的人脸清晰化增强;智能手机相册的低分辨率照片修复;社交媒体头像质量提升;司法鉴定中的模糊人像还原;视频会议系统的实时画质优化

专利名称：面向海上船舶图像的多尺度超分辨率重建方法、终端设备      申请号：2024115360094     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 分辨率重建   相似专利 发布日：2025/09/19  

应用场景：海上交通监控;船舶目标识别与跟踪;海事安全预警;港口自动化管理;遥感图像增强分析

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 分辨率重建   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 分辨率重建   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 分辨率重建   相似专利 发布日：2025/08/04  
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 分辨率重建   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：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 分辨率重建   相似专利 发布日：2025/07/07  
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： 分辨率重建   相似专利 发布日：2025/07/11  
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：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 分辨率重建   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： 分辨率重建   相似专利 发布日：2025/06/23  
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 分辨率重建   相似专利 发布日：2025/08/11  
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 分辨率重建   相似专利 发布日：2025/08/11  
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 分辨率重建   相似专利 发布日：2025/08/11  
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。

专利名称：一种基于拉普拉斯金字塔网络的图像超分辨率重建方法      申请号：2019107253263     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 分辨率重建   相似专利 发布日：2025/08/11  
摘要： 本发明公开了一种基于拉普拉斯金字塔网络的图像超分辨率重建方法，包括通过多张低分辨率图像依次对生成器网络和判别器网络进行优化，得到训练后的生成器网络；通过训练后的生成器网络，将待重建的低分辨率图像重建为高分辨率图像。其中，本发明的生成器网络采用拉普拉斯金字塔网络，以逐步上采样重建HR图像，从而可以更好地重建大尺度的图像；同时，本发明通过沿着通道轴连接高级和低级特征以学习残差图像，以提高泛化能力，使重建的图像在视觉上边缘更清晰，纹理更丰富。

专利名称：一种基于条件生成对抗网络的超分辨率重建方法      申请号：2019101445397     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 分辨率重建   相似专利 发布日：2025/08/11  
摘要： 本发明公开了一种基于条件生成对抗网络的超分辨率重建方法，具体为：利用公开的超分辨率图像数据集，制作低分辨率图像和对应高分辨率图像训练集；构建条件生成对抗网络模型，在生成器网络中使用密集残差块，在生成网络模型的末端，用亚像素上采样方法实现超分辨率图像重建；把训练图像集输入到条件生成对抗网络中进行模型训练，通过感知损失函数让训练模型收敛；对图像测试集进行下采样处理，获得低分辨率测试图像；把低分辨率测试图像输入到条件对抗网络模型中，获得高质量的高分辨率图像。本发明可以很好的解决传统生成对抗网络生成的超分辨图像看似清晰、评估指标极低的问题，同时通过密集残差网络缓解梯度消失和高频信息丢失的问题。