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！

龙图腾网获悉东南大学申请的专利一种基于反馈机制的单图像超分辨率算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：CN114897704B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202210678755.1，技术领域涉及：G06T3/4076；该发明授权一种基于反馈机制的单图像超分辨率算法是由裴文江;刘伟;夏亦犁设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本一种基于反馈机制的单图像超分辨率算法在说明书摘要公布了：本发明公开了一种基于反馈机制的单图像超分辨率算法，包含以下步骤：1获取DIV2K数据集作为训练神经网络的训练集，并使用双三次下采样获取图像对；2利用反馈机制，构建单图像超分辨率生成网络模型；3将所述图像对输入至所述单图像超分辨率生成网络模型中，使用Charbonnier损失作为损失函数，通过Adam反向传播算法优化模型参数，得到训练好的超分网络模型。本发明采用反馈机制充分获取前后层的特征，利用后层的特征不断加强浅层特征，进一步减少了网络的参数量和占用内存；通过使用坐标注意力对前后层的特征进行注意力分配，优化前后层的特征；另外，通过使用密集连接感受野模块，提升了特征的感受野大小。

本发明授权一种基于反馈机制的单图像超分辨率算法在权利要求书中公布了：1.一种基于反馈机制的单图像超分辨率算法，其特征在于：包含以下步骤： 1获取DIV2K数据集作为训练神经网络的训练集，并使用双三次下采样获取图像对； 2利用反馈机制，构建单图像超分辨率生成网络模型； 3将所述图像对输入至所述单图像超分辨率生成网络模型中，使用Charbonnier损失作为损失函数，通过Adam反向传播算法优化模型参数，得到训练好的超分网络模型； 所述步骤2包括： 1将给定输入通过两个卷积层提取初始特征f0； 2将初始特征f0输入到反馈子网络中，将所述反馈子网络表示为FB，则第i次反馈网络的输出特征为 其中，FFB表示反馈子网络的操作过程，第i次反馈子网络的输出为Fi； 3将f0以及N次反馈子网络的输出级联并与f0相加得到高维度特征Ffuse； 4将Ffuse通过卷积层以及亚像素卷积层获取高分辨率特征； 5将高分辨率特征通过一个卷积层获取高分辨率输出； 所述步骤3包括以下步骤： 1采用Charbonnier损失作为损失函数将f0输入到反馈子网络中 其中,C为图像的通道数；H为图像的高度；W为图像的宽度；为生成的高分辨率图像的每个像素点；yi,j,k为真实图像的每个像素点； 2通过Adam反向传播算法优化模型参数。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。