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！

龙图腾网获悉广东工业大学申请的专利一种基于标准对比学习的图像超分辨率方法和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：CN115456874B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211021530.5，技术领域涉及：G06T3/4053；该发明授权一种基于标准对比学习的图像超分辨率方法和系统是由王佳豪;陈添水设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种基于标准对比学习的图像超分辨率方法和系统在说明书摘要公布了：本发明提供了一种基于标准对比学习的图像超分辨率方法和系统，涉及图像处理技术领域，该方法首先对原始真实世界图像进行特征提取，之后根据提取到的特征图像及其对应的空间掩模分别建立正标准损失函数和负标准损失函数，最后将正标准损失和负标准损失进行直接对比学习，并迭代优化初始模型；该方法通过构建标准对比学习的新框架，将正负标准损失直接进行对比学习，而不是传统方法所用的图像块，在恢复图像的视觉效果方面，不仅可以显著提高恢复图像的视觉质量，并且可以用更少的伪影恢复更多的正确细节。

本发明授权一种基于标准对比学习的图像超分辨率方法和系统在权利要求书中公布了：1.一种基于标准对比学习的图像超分辨率方法，其特征在于，包括以下步骤： S1：获取原始真实世界图像； S2：将原始真实世界图像输入构建的初始对比学习模型，对每一幅原始真实世界图像进行特征提取，获得对应的第一特征图像和第二特征图像； S3：利用预设的空间掩模分别与第一特征图像和第二特征图像进行卷积操作，获得第一特征卷积图像和第二特征卷积图像； S4：在现有的图像恢复标准中选择锚定标准，利用第一特征卷积图像和第二特征卷积图像计算相对锚定标准的标准损失； S5：根据第一特征卷积图像和第二特征卷积图像相对锚定标准的标准损失，建立标准对比损失函数，并将所述标准对比损失函数划分为正项和负项；具体为： 对每幅第一特征卷积图像和第二特征卷积图像计算相对于锚定标准的正标准损失和负标准损失： 其中，是第i幅第一特征卷积图像的锚定标准损失；是第k幅第二特征卷积图像的锚定标准损失；是第i幅原始真实世界图像对应的第一特征卷积图像相对于锚定标准的正标准损失；是第k幅原始真实世界图像对应的第二特征卷积图像相对于锚定标准的正标准损失；是第i幅原始真实世界图像对应的第一特征卷积图像相对于锚定标准的负标准损失；是第k幅原始真实世界图像对应的第二特征卷积图像相对于锚定标准的负标准损失；i和k取值均为1至N，N表示原始真实世界图像的数量；表示第i幅原始真实世界图像； 所述标准对比损失函数具体为： 其中，为标准对比学习损失函数，是第一特征卷积图像和第二特征卷积图像相对锚定标准正标准损失的相似度测量函数，是第一特征卷积图像和第二特征卷积图像相对锚定标准负标准损失的相似度测量函数；N是原始真实世界图像的数量； S6：根据所述标准对比损失函数的正项和负项分别建立正标准损失函数和负标准损失函数； S7：根据正标准损失和负标准损失对初始对比学习模型进行优化，获得优化后的对比学习模型； S8：获取低分辨率真实世界图像，输入到优化后的对比学习模型中，获得真实世界超分辨率图像。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。