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！

龍圖騰網恭喜山東師范大學申請的專利基于紋理導向的梯度權重損失和注意力機制超分辨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：CN114943646B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202210636553.0，技術領域涉及：G06T3/4007；該發明授權基于紋理導向的梯度權重損失和注意力機制超分辨方法是由孫建德;王海濤;李靜;萬文博設計研發完成，并于2022-06-07向國家知識產權局提交的專利申請。

本基于紋理導向的梯度權重損失和注意力機制超分辨方法在說明書摘要公布了：本發明公開了一種基于紋理導向的超分辨方法，主要解決了現有技術中由低分辨率圖像生成高分辨率圖像會出現高頻細節丟失較為嚴重的問題。主要步驟為：1獲得成對的高分辨率和低分辨率圖像訓練數據。2構建圖像超分辨網絡，特別用到了注意力機制去衡量每個通道之間的權重將特征進行融合，對生成器網絡進行訓練，同時使用梯度權重損失約束在紋理導向對訓練進行約束。3利用步驟2所訓練的生成器，訓練相對判別器以微調生成器網絡，得到最終的圖像超分辨網絡模型。4輸入低分辨率圖像，經過圖像超分辨率模型，輸出高分辨率生成圖像。本發明能更準確的從低分辨率圖像中恢復高頻細節信息，可用于目標識別，圖像分類等領域。

本發明授權基于紋理導向的梯度權重損失和注意力機制超分辨方法在權利要求書中公布了：1.一種基于紋理導向的梯度權重損失和注意力機制超分辨方法，構建基于CNN的圖像超分辨網絡模型，包括一個用于生成圖像的生成器，一個用來鑒別生成圖像真實性的判別器，生成器通過對輸入的低分辨率圖像提取特征后，進行非線性的特征映射，通過注意力機制計算特征圖之間的相關性，重新分配每個特征圖的權重，經過一個注意力機制的圖像重建模塊來獲得高分辨率圖像，梯度權重損失在紋理導向對訓練過程進行約束，該方法具體包括如下步驟：1構建數據集：獲取數據集中的高分辨率圖像，其中低分辨率圖像由對高分辨率圖像采樣得到，獲得成對的訓練數據，具體公式如下：x＝FyF代表下采樣操作，x代表低分辨率圖像，y代表高分辨率圖像；2構建圖像超分辨模型，訓練生成器：該模型由生成器和判別器兩個分支網絡組成，包括：淺層特征提取模塊、非線性映射模塊以及注意力機制的圖像重建模塊、判別器模塊；其中，淺層特征提取模塊由卷積層組成，非線性映射模塊由殘差密集網絡組成，注意力機制的圖像重建模塊由注意力模塊和上采樣模塊組成；通過CNN實現對特征的提取與映射，最后將獲取的特征進行加權重建獲得高分辨率圖像；構建目標方程：生成器使用生成對抗網絡損失LG以及梯度權重損失約束，具體公式如下： 其中，生成對抗網絡損失具體公式如下： 生成對抗網絡損失中的L1＝||y-fx||，fx代表生成圖像，y代表高分辨率圖像，λ表示損失參數，Lper為感知損失，具體公式為：Lper＝‖φy-φ[fx]‖其中，φy,φfx表示CNN提取到的真實圖像和生成圖像的特征； 為生成器的對抗損失，具體公式為： 是判別器，Xr,Xf分別表示真實圖像和生成圖像，輸出是被判別為真實圖像的概率；表示函數分布的期望；梯度權重損失具體公式如下： 其中，L1＝||y-fx||，fx代表生成圖像，y代表真實圖像；其中Dx,Dy表示在水平和垂直方向上生成圖像和高分辨率之間的梯度差分圖，表示生成圖像的梯度圖像，表示真實圖像的梯度圖像，α是在損失函數中的權重系數；3訓練判別器：在生成器初步訓練完成后，開始訓練判別器來微調生成器，使用相對判別器代替標準判別器，用以生成更具真實性、質量更好的圖像，下式是判別器損失函數： 其中，是判別器，輸入真實圖像與生成圖像，輸出被判別為真實圖像的概率，表示函數分布的期望；4高分辨率圖像輸出：輸入低分辨率圖像，經過訓練好的圖像超分辨率網絡模型，輸出高分辨率圖像，公式如下：Y＝FSRx其中，x是輸入的低分辨率圖像，FSR是訓練好的圖像超分辨率模型，Y是輸出的高分辨率圖像。

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山東師范大學，其通訊地址為：250014 山東省濟南市文化東路88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”。