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！

龙图腾网获悉安徽大学申请的专利一种基于改进型Transformer网络的小麦样本图像参考超分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：CN116597308B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310549038.3，技术领域涉及：G06V20/10；该发明授权一种基于改进型Transformer网络的小麦样本图像参考超分方法是由翁士状;张巧巧;施金鹏;朱睿;汪聪;潘美静;谭羽健;张盛羽设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种基于改进型Transformer网络的小麦样本图像参考超分方法在说明书摘要公布了：本发明涉及一种基于改进型Transformer网络的小麦样本图像参考超分方法，包括：获取小麦样本的LR‑HSI图、HR‑HSI图和HR‑RGB图，组成图像对；对获取的图像对进行预处理，得到训练样本，将训练样本划分为训练集和测试集；搭建改进型Transformer网络，利用训练样本训练改进型Transformer网络；将待处理的小麦样本的LR‑HSI图和HR‑RGB图导入训练好的改进型Transformer网络，输出参考超分HR‑HSI图像。本发明通过双分支特征提取模块对训练样本有针对性的处理，通过多水平特征融合模块对训练样本多样特征细节的补充，使得改进型Transformer网络在小麦样本图像参考超分中拥有更加锐利的边缘与更精细的细节。

本发明授权一种基于改进型Transformer网络的小麦样本图像参考超分方法在权利要求书中公布了：1.一种基于改进型Transformer网络的小麦样本图像参考超分方法，其特征在于：该方法包括下列顺序的步骤： 1获取小麦样本的LR-HSI图、HR-HSI图和HR-RGB图，组成图像对； 2对获取的图像对进行预处理，得到训练样本，将训练样本划分为训练集和测试集； 3采用双分支特征提取模块和多水平特征融合模块搭建改进型Transformer网络，利用训练样本训练改进型Transformer网络； 4将待处理的小麦样本的LR-HSI图和HR-RGB图导入训练好的改进型Transformer网络，训练好的改进型Transformer网络输出参考超分HR-HSI图像； 所述改进型Transformer网络包含双分支特征提取模块和多水平特征融合模块： 所述双分支特征提取模块包括用于提取LR-HSI图的纹理和光谱特征细节的LR-HSI图像特征提取分支，以及用于提取HR-RGB图的纹理和光谱特征细节的HR-RGB图像特征提取分支，LR-HSI图像特征提取分支和HR-RGB图像特征提取分支为并行结构，LR-HSI图像特征提取分支、HR-RGB图像特征提取分支均由浅层特征提取模块和深层特征提取模块组成； 所述浅层特征提取模块采用Transformer编码器、解码器结构，HR-RGB图和经下采样和上采样操作后的HR-RGB图通过HR-RGB图像特征提取分支转换成特征向量Vs、Ks，所述上采样和下采样操作均指双三次插值函数；LR-HSI图通过LR-HSI图像特征提取分支转换为特征向量Qs； 所述深层特征提取模块经过堆叠的卷积层、归一化层、激活层和池化层对特征向量Qs、Ks、Vs进一步处理，在每层池化层操作前提取不同深度的特征向量Qi、Ki、Vi，i＝1,2,3，引进多尺度残差模块保留图像对的浅层特征；多尺度残差模块使用1*1、3*3和5*5卷积并联获取浅层特征映射特征，经1*1卷积调整串联后的特征向量空间与原始特征空间一致，训练样本经过双分支特征提取模块和多尺度残差模块的信息转换为特征向量Q、K、V； 多水平特征融合模块将特征向量Q、K、V与Qi、Ki、Vi，进行不同水平的融合，多水平特征融合模块首先将特征向量Q、K、V与每一级别的Qi、Ki、Vi连接起来生成特征向量Q+、K+、V+；随后，经双注意力模块DAB计算融合权重，与不同水平的特征向量Q+、K+、V+相乘后得到多样特征，经不同尺度的上采样插值函数、1*1卷积和线性层调整多样特征的尺寸大小和特征空间一致，上采样插值函数为双三次插值。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。