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！

龙图腾网恭喜华南理工大学申请的专利基于多尺度局部自注意力的视频超分辨率重建方法及系统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：CN115082308B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210564009.X，技术领域涉及：G06T3/4053；该发明授权基于多尺度局部自注意力的视频超分辨率重建方法及系统是由郭锴凌;黄寅;徐向民设计研发完成，并于2022-05-23向国家知识产权局提交的专利申请。

本基于多尺度局部自注意力的视频超分辨率重建方法及系统在说明书摘要公布了：本发明公开了基于多尺度局部自注意力的视频超分辨率重建方法和系统。所述方法包括：S1:构建低分辨率视频帧序列数据集；S2:通过光流预测网络预测低分辨率视频帧序列输入中相邻帧之间的双向光流信息；S3:构建视频超分辨率重建网络，视频超分辨率重建网络包括特征提取模块、多尺度深层特征提取模块和上采样重建模块；S4:基于数据集和所述双向光流信息训练视频超分辨率重建网络；S5:将需要超分辨率重建的视频序列输入到训练后得到的视频超分辨率重建网络中，即可得到超分辨率重建后的视频序列。本发明能够减少网络的整体计算量，并通过光流预测网络强化信息融合，具备良好的重建效果。

本发明授权基于多尺度局部自注意力的视频超分辨率重建方法及系统在权利要求书中公布了：1.基于多尺度局部自注意力的视频超分辨率重建方法，其特征在于，包括以下步骤：S1:构建低分辨率视频帧序列数据集，并划分为训练集和测试集；S2:通过光流预测网络预测低分辨率视频帧序列输入中相邻帧之间的双向光流信息；S3:构建视频超分辨率重建网络，视频超分辨率重建网络包括特征提取模块、多尺度深层特征提取模块和上采样重建模块，其中，特征提取模块用于从输入的低分辨率视频帧序列中提取视频帧的浅层特征，多尺度深层特征提取模块用于基于浅层特征得到深层特征图，上采样重建模块用于重建低分辨率视频序列，得到高分辨率视频序列；S4:基于数据集和所述双向光流信息训练视频超分辨率重建网络；S5:将需要超分辨率重建的视频序列输入到训练后得到的视频超分辨率重建网络中，即可得到超分辨率重建后的视频序列；步骤S2中，将低分辨率视频帧序列以正向和反向分别输入光流预测网络，得到双向光流信息flowforward,flowbackward，flowforward代表序列中未来时刻指向过去时刻的光流信息，flowbackward则代表过去指向未来的光流信息，并且通过下采样输出多个尺度的光流信息；多尺度深层特征提取模块包括级联的多个编码器和与编码器数量相等的多个解码器，编码器逐步下采样获取多尺度的特征图，而后解码器逐步上采样恢复特征图的大小；每个编码器和解码器均包括局部自注意力模块和光流对齐模块，局部自注意力模块中的操作步骤包括：将输入的视频帧浅层特征图分为pH×pW分辨率且不重叠的小图像块，得到： 式中，xunfold代表分割后的不同时间和空间上的小图像块构成的张量，H,W分别代表视频帧的高度和宽度，B代表并行处理批次大小，T代表单次输入视频序列长度，C代表通道数；将相邻小图块划分到数个不重叠的局部窗口，得到： 式中，xlocal代表分割后的局部窗口构成的张量，LT代表时间维度上的窗口范围，LH、LW分别代表空间窗口的高度和宽度；将张量xlocal分别输入三个独立的线性层Query，Key，Value,得到三个特征图： 式中，且分别代表经过对应线性层线性变换后的特征图，代表线性变换后的特征图批次大小，N′＝LT×LH×LW代表局部窗口内的小图块数目，C′＝C×pH×pW代表线性变换后特征图的通道数；对批次中的每个特征图计算局部区域内的小图块自注意力，并融合相似图块: 式中，xsa代表经过局部自注意力融合后得到的特征图；将融合后得到的特征图xsa重组拼接成原来的分辨率，得到恢复分辨率后的特征图xfold；光流对齐模块包括前向对齐模块和后向对齐模块，光流对齐模块中的操作包括：利用双向光流信息flowforward,flowbackward对恢复分辨率后的特征图xfold分别进行相邻帧对齐操作；将对齐后的结果分别通过残差模块进行处理；融合前向对齐模块和后向对齐模块的结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。