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！

龙图腾网获悉杭州电子科技大学申请的专利基于多窗口交叉特征融合注意力机制的图像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：CN119168860B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202411115445.4，技术领域涉及：G06T3/4053；该发明授权基于多窗口交叉特征融合注意力机制的图像重建方法是由冯建文;谢昊睿;丁强设计研发完成，并于2024-08-14向国家知识产权局提交的专利申请。

本基于多窗口交叉特征融合注意力机制的图像重建方法在说明书摘要公布了：本发明公开了基于多窗口交叉特征融合注意力机制的图像重建方法。该方法通过双三次插值降低原图像的分辨率，得到模型训练数据，并将原图像作为样本标签。对于训练数据，首先通过蓝图可分离卷积提取浅层特征。再对高效可分离蒸馏模块进行改进，得到多个注意力融合蒸馏模块，提取深层特征。使用基于多窗口交叉注意力的特征融合模块，对深层特征进行多次的分割、注意力计算、多窗口交叉注意力计算、重组等操作，实现特征增强。再与浅层特征进行融合，输出重建的高分辨率图像。根据训练数据下采样倍率的不同，可以得到重建倍率不同的模型。

本发明授权基于多窗口交叉特征融合注意力机制的图像重建方法在权利要求书中公布了：1.基于多窗口交叉特征融合注意力机制的图像重建方法，其特征在于：具体包括以下步骤： 步骤1、数据收集与处理 收集不同场景下的高分辨率图像，通过双三次插值的方法降低图像分辨率，与原始的高分辨率图像组成图像对；将图像转换为Tensor向量，其中高分辨率图像作为标签，低分辨率图像作为训练样本； 步骤2、浅层特征提取 将训练样本的Tensor向量扩展到12通道，然后输入蓝图可分离卷积，得到浅层特征Fin； 步骤3、深层特征提取 使用注意力融合蒸馏模块，提取深层信息；所述注意力融合蒸馏模块包括蒸馏层、凝聚层和增强层，具体步骤如下： 步骤3.1、特征提炼 将步骤2获得的浅层特征Fin送入蒸馏层，所述蒸馏层包括L个层级，每个层级包括两个分支，在第l层中，第一个分支通过普通的卷积层和高斯误差激活函数层GELU，学习复杂的模式和特征得到Fd1；第二个分支通过蓝图可分离卷积层、GELU激活层和残差连接，在维持原始信息的同时引入更深层次的特征表示得到Fr1： Fdl＝DLlFrl-11 Frl＝RLlFrl-12 其中，l＝1…L-1，当l＝1时，Frl-1＝Fin，x为输入激活层的特征图； 步骤3.2、特征凝聚 对蒸馏层的L个输出在通道上拼接，再通过卷积层实现特征凝聚，得到特征图Fcon； 步骤3.3、特征增强 同时将特征图Fcon输入到高效通道注意力模块ECA和高效空间注意力模块ESA中，然后将这两个注意力模块输出的特征图Feca和Fesa在通道上进行拼接，再输入到紧凑通道注意力模块CCA中，得到输出特征图Fcca，最后再通过一次大小为1*1的卷积得到一次特征增强后的输出Feo1； 步骤3.4、将一次特征增强后的输出Feo1作为下一个注意力融合蒸馏模块的输入，重复多次后，将每个注意力融合蒸馏模块的输出特征在通道维度上进行拼接，再通过卷积层输出整合后的聚合特征，最后通过GELU激活得到低分辨率图像的深层特征Fac； 步骤4、多窗口交叉注意力 设计基于多窗口交叉注意力的特征融合模块MWT，按照以下步骤进一步增强深层特征Fac： 步骤4.1、将深层特征Fac输入高效空间注意力模块ESA，将输出的特征图分为多张通道数为c、大小为h*w且互不重叠的一组特征图； 步骤4.2、将分割后的特征图输入多头注意力模块MHA和线性层，生成Q、K、V三个张量； 步骤4.3、将张量Q、K、V还原为图像形状，然后做以下三种窗口切块处理： ①沿图像的纵向方向平均分为t块，得到t块Qh,Kh,Vh； ②沿图像的横向方向平均分为t块，得到t块Qw,Kw,Vw； ③将整张图像均匀分为t块，得到t块Qc,Kc,Vc； 对切分后的每一块进行位置编码，将位置编码的结果添加到对应的块中，更得到3×t组q、k、v，分别计算每一个块的注意力值O： 其中，dk为添加位置编码后的k的维度大小； 步骤4.4、按照窗口切块方式，将注意力计算结果进行重组，得到三个窗口的注意力特征图，将这三个注意力特征图在通道上合并后，再通过一次卷积整合三个窗口通道上的特征信息，得到大小为h*w的输出特征图；将多张输出特征图在窗口对应位置上重组得到大小和深层特征Fac相同的输出，再通过窗口滑动操作； 步骤4.5、重复步骤4.2～4.4，再通过一个ESA注意力模块和一次蓝图可分离卷积后，与浅层特征Fin进行残差连接，再经过上采样操作，输出高分辨率图像； 步骤5、图像超分辨率 设置双三次插值的参数，训练得到不同放大倍率下的模型；根据需求选择相应放大倍率的模型，将低分辨率图像输入模型中，通过步骤2～4的特征提取与增强，得到超分辨率后的图像。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。