买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于扩散模型和注意力机制的盲图像超分辨率重建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118485574B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410340588.9，技术领域涉及：G06T3/4076；该发明授权一种基于扩散模型和注意力机制的盲图像超分辨率重建方法是由高攀;刘庆国;庄晨怡;秦杰设计研发完成，并于2024-03-25向国家知识产权局提交的专利申请。

本一种基于扩散模型和注意力机制的盲图像超分辨率重建方法在说明书摘要公布了：本发明公开了一种基于扩散模型和注意力机制的盲图像超分辨率重建方法，在第一阶段训练，将低分辨率图像和高分辨率图像对作为输入对内容感知退化编码器和超分辨率重建网络进行训练；在第二阶段训练，将低分辨率图像作为输入对LR编码器和扩散模型的去噪网络进行训练，将扩散模型生成的内容感知退化先验替换第一阶段中的内容感知退化先验，然后对超分辨率重建网络进行微调，最终对低分辨率图像完成重建。本发明能够利用扩散模型生成一个内容感知退化先验用于指导基于注意力机制的超分辨率重建网络的重建，对超分辨率重建网络采用双路聚合的方式进行更健壮的特征提取，从而更好地利用内容感知退化先验产生更好的重建结果。

本发明授权一种基于扩散模型和注意力机制的盲图像超分辨率重建方法在权利要求书中公布了：1.一种基于扩散模型和注意力机制的盲图像超分辨率重建方法，其特征在于，包括以下步骤：1构建盲图像超分辨率重建网络，包括内容感知退化生成模块和超分辨率重建模块；所述内容感知退化生成模块包括内容感知编码器、LR编码器和去噪网络；2在第一阶段训练，将低分辨率图像和高分辨率图像对作为输入对内容感知编码器和超分辨率重建网络进行训练，生成真实内容感知退化先验和一个基于内容感知退化先验的超分辨率重建网络；3在第二阶段训练，将低分辨率图像作为输入对LR编码器和扩散模型的去噪网络进行训练；4利用训练好的LR编码器和扩散模型来生成一个内容感知退化先验替换步骤1中的真实内容感知退化先验，然后对步骤1的超分辨率重建网络进行微调，最终对低分辨率图像完成重建；步骤1所述内容感知编码器实现过程如下：将低分辨率和高分辨率图像对送入若干个由卷积层、线性整流函数和卷积层组成的退化块，然后经过一个池化层获得退化先验；将高分辨率图像送入若干个由卷积层、线性整流函数和卷积层组成的内容分支，然后经过一个池化层获得内容先验；最后拼接退化先验和内容先验送入多层感知器获得真实的内容感知退化先验；在步骤2所述第一阶段训练中，联合内容感知编码器和超分辨率重建模块，通过最小化重建图像和高分辨率图像的L1范数损失来优化整个盲图像超分辨率重建网络，以此训练一个可以提取出真实内容感知退化先验的内容感知退化编码器，整个网络采用L1范数损失作为损失函数： 其中，IHR为真实的高分辨率图像，ISR表示重建后的图像；所述超分辨率重建模块包括内若干个容退化残差模块CDRB，对于每一个CDRB使用内容感知的退化先验对输入特征进行仿射变换；接着采用了移位窗口自注意力和通道自注意力机制的串行结构，以提高模型的注意力机制效果；通过深度卷积为移位窗口自注意力机制补充通道信息，同时通过深度卷积为通道自注意力机制补充空间信息，输出更健壮的特征；在步骤3所述的第二阶段训练中，冻结第一阶段的内容感知编码器，将扩散模型与超分辨率重建模块联合训练，最小化扩散模型生成的内容感知退化先验与真实内容感知退化先验的L1范数损失来优化扩散模型，同时最小化重建图像和高分辨率图像的L1范数损失来微调超分辨率重建网络： 其中，IHR为真实的高分辨率图像，ISR表示重建后的图像，Z0为真实的内容感知退化先验，代表生成的内容感知退化先验，αdiff为扩散模型损失的权重系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。