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！

龙图腾网获悉桂林理工大学申请的专利基于双重注意力机制的轻量级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：CN115496658B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202211168904.6，技术领域涉及：G06T3/4053；该发明授权基于双重注意力机制的轻量级图像超分辨率重建方法是由谢峰;卢佩;刘效勇;郝晓辰;周子豪设计研发完成，并于2022-09-25向国家知识产权局提交的专利申请。

本基于双重注意力机制的轻量级图像超分辨率重建方法在说明书摘要公布了：本发明公开一种基于双重注意力机制的轻量级图像超分辨率重建方法，属于图像处理技术领域，实现步骤为：1构建训练数据集；2构建超分辨率网络模型；3训练超分辨率网络模型，从而得到训练好的超分辨率网络模型；4获得超分辨率重建图像。本发明通过基于简单通道注意力机制和增强型空间注意力机制的轻量级图像超分辨率重建方法，能够获取有利于图像超分辨率重建的通道特征信息和空间特征信息，不仅有效地提升了超分辨率网络模型的重建性能，同时，相较于主流的轻量级超分辨率网络模型有更低的参数量和计算量。

本发明授权基于双重注意力机制的轻量级图像超分辨率重建方法在权利要求书中公布了：1.一种基于双重注意力机制的轻量级图像超分辨率重建方法，其特征在于，具体包括以下步骤： 步骤1，构建训练数据集： 1a首先将DIV2K数据集中的900张高分辨率图像进行数据增强处理，然后将数据增强处理后的高分辨率图像进行双三次插值下采样操作，从而得到相对应的低分辨率图像； 1b将高分辨率图像和对应的低分辨率图像构成一对训练样本，从而得到训练数据集； 步骤2，构建超分辨率网络模型： 网络模型包括四个部分：浅层特征提取模块、增强型局部特征提取组、深度特征融合模块、上采样模块：浅层特征提取模块由一个3×3卷积层组成，用以提取浅层特征； 增强型局部特征提取组由由两个增强型空间注意力模块和两个残余局部特征层组成；所述增强型空间注意力模块由一个1×1卷积层、一个3×3卷积层、一个最大池化层、一个由2个3×3卷积层串联组成的卷积组、一个上采样层、一个Sigmoid函数组成，该模块能够选取重要的空间特征；所述残余局部特征层由一个LN层、两个1×1的卷积层、一个3×3的卷积层、一个GELU激活函数、一个简单通道注意力模块组成；所述简单通道注意力模块由一个全局平均池化层、一个1×1的卷积层、一个Sigmoid激活函数组成，该模块能够选取重要的通道特征；将浅层特征输入到增强型局部特征提取组后由8个增强型局部特征提取块依次提取深度层次特征； 深度特征融合模块对深度层次特征进行融合、筛选得到深度融合特征； 最后，将浅层特征和深度融合特征相加，通过上采样模块得到重建的高分辨率图像； 步骤3，训练超分辨率网络模型，从而得到训练好的超分辨率网络模型： 将训练数据集中的所有训练样本输入到超分辨率网络模型中，利用梯度下降法，对网络的参数进行迭代更新，直到损失函数收敛为止，从而得到训练好的超分辨率网络模型； 步骤4，对低分辨率图像进行超分辨率重建： 将自然场景下的低分辨率图像输入到训练好的超分辨率网络模型中，经处理后得到超分辨率重建的高分辨率图像。

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桂林理工大学，其通讯地址为：541004 广西壮族自治区桂林市七星区建干路12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”。