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！

龙图腾网获悉武汉大学申请的专利基于不确定性感知特征传输的深度图超分辨率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：CN115511708B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211135383.4，技术领域涉及：G06T3/4053；该发明授权基于不确定性感知特征传输的深度图超分辨率方法及系统是由叶茫;施武轩设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本基于不确定性感知特征传输的深度图超分辨率方法及系统在说明书摘要公布了：本发明公开了一种基于不确定性感知特征传输的深度图超分辨率方法及系统，通过在特征传输时构建迭代式上下采样的流水线替代现有方法中的前置插值上采样，从而在消除深度图与RGB引导图像之间分辨率差距的同时避免了噪声放大等副作用。本发明提出了一种对称不确定性方案，能够在特征传输过程中对深度特征的不确定性建模。然后利用生成的不确定性图对RGB特征加权从而去除与深度图像纹理不匹配的RGB特征，缓解由于两种图像之间的跨模态差距导致的纹理复制现象。本发明在每次迭代中只向前传播一次就可以对得到不确定性图，减少了计算资源的冗余消耗。同时本发明易于集成到现有的颜色引导的深度图像超分辨率模型，并进一步有效地提升模型的性能。

本发明授权基于不确定性感知特征传输的深度图超分辨率方法及系统在权利要求书中公布了：1.一种基于不确定性感知特征传输的深度图超分辨率方法，其特征在于，包括以下步骤： 步骤1：针对输入图，通过基于不确定性感知特征传输网络的RGB分支和Depth分支提取低分辨率深度图像和高分辨率RGB引导图像的特征； 将低分辨率深度图像和高分辨率RGB引导图像的特征都输入到基于不确定性感知特征传输网络的SUFT模块中，所述SUFT模块首先复制并在空间维度中水平翻转输入的深度特征，然后再将这两个水平镜像的深度特征投影到高分辨率域： 其中是从低分辨率深度图中提取的特征，是通过上采样得到的高分辨率深度特征，是经过翻转的高分辨率深度特征，HFlip·和·↑s分别代表水平翻转操作和缩放因子为s的上投影操作； 所述基于不确定性感知特征传输网络，整体由RGB分支，Depth分支和SUFT模块构成； 所述RGB分支由第一3×3卷积层、第一残差块、第二残差块、第三残差块顺序连接构成，输入高分辨率RGB图像，经过RGB分支，提取高分辨率RGB图像的特征以传入相应的SUFT模块； 所述Depth分支由第二3×3卷积层、第一残差组、第二残差组、第三残差组、第四残差组、上投影单元、第五残差组、第六残差组、第三3×3卷积层组成和双三次线性插值模块组成，输入低分辨率深度图，经过Depth分支，提取低分辨率深度图的特征以传入相应的SUFT模块，最终将网络提取的高分辨率深度图高频成分和经过双三次线性插值模块得到的高分辨率深度图的低频成分逐元素相加，输出重建的高分辨率深度图； 所述第一残差块、第二残差块、第三残差块由两个3×3卷积层和一个修正线性单元层构成；所述第一残差组、第二残差组、第三残差组、第四残差组由八个卷积层、四个修正线性单元层和四个通道注意力模块构成；所述第五残差组、第六残差组由十六个卷积层、八个修正线性单元层和八个通道注意力模块构成；所述上投影单元由两个核大小自适应的卷积层、两个核大小自适应的反卷积层和四个修正线性单元层构成；所述双三次线性插值模块将输入低分辨率深度图上采样得到一个模糊的高分辨率深度图； 步骤2：利用步骤1中获得的两个水平镜像的高分辨率深度特征计算对称不确定性的空间分布，获得不确定性图 步骤3：将步骤2中获得的不确定性图与步骤1中提取的高分辨率RGB引导图像特征相乘，再与上采样的高分辨率深度特征沿通道轴拼接： 其中是从高分辨率RGB引导图像中提取的特征，是融合后的特征，[·；·]表示沿通道轴拼接操作； 步骤4：将融合后的特征通过下投影单元映射回低分辨率空间域： 其中·↓s表示比例因子为s的下投影操作。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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”。