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！

龙图腾网获悉西安电子科技大学申请的专利一种基于混合卷积的自注意力红外图像超分辨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：CN119887527B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411950656.X，技术领域涉及：G06T3/4069；该发明授权一种基于混合卷积的自注意力红外图像超分辨重建方法是由宋江鲁奇;许新博;蒲征;齐淑霞;滕翔;李欢;赵哲;段念;高原;周慧鑫;王炳健;赖睿;甘长国设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于混合卷积的自注意力红外图像超分辨重建方法在说明书摘要公布了：本发明公开了一种基于混合卷积的自注意力红外图像超分辨重建方法，对初始的待重建红外图像进行像素嵌入，获取其浅层特征F0；利用级联的N个SwinTransformer混合卷积组和1个卷积层，对浅层特征F0进行深层特征提取，获取深层特征FDF；其中每个SwinTransformer混合卷积组由级联的L个Swin‑CNN融合处理块和1个卷积层组成；基于浅层特征F0和深层特征FDF，利用重建函数进行红外图像超分辨重建。本发明融合了SwinTransformer和CNN的优势，从融合处理全局和局部信息的层面上提高了对红外图像细节及特征的重建性能，在准确性和鲁棒性方面展现出了显著优势，并最终实现了高质量的红外图像重建。

本发明授权一种基于混合卷积的自注意力红外图像超分辨重建方法在权利要求书中公布了：1.一种基于混合卷积的自注意力红外图像超分辨重建方法，其特征在于，包括如下步骤： 步骤1，对初始的待重建红外图像进行像素嵌入，获取其浅层特征F0； 步骤2，利用级联的N个SwinTransformer混合卷积组和1个卷积层，对浅层特征F0进行深层特征提取，获取深层特征FDF；其中每个所述SwinTransformer混合卷积组由级联的L个Swin-CNN融合处理块和1个卷积层组成；所述Swin-CNN融合处理块执行如下流程： 将高H、宽W、通道数C的输入特征图进行归一化处理后，通过1×1卷积将通道数扩增至2αC，其中α为参数缩减因子，α1； 将通道数扩增的特征图按通道均等切分成两部分，一部分输入采用移位窗口技术的多头自注意力分支以处理自注意力，另一部分输入卷积分支以增强局部特征信息提取，将两个分支的输出特征融合，再进行通道恢复并与输入特征图FT进行残差连接，最后经过一个前馈神经网络得到最终输出； 所述采用移位窗口技术的多头自注意力分支，将输入的图像块划分为多个大小相等的窗口，分别在各个窗口内计算自注意力，并在计算下一层计算自注意力时将窗口进行移位，在移位得到的各窗口内计算自注意力，最终的多头自注意力融合结果Z表示为： Z＝MultiHeadQ,K,V＝Concath1,h2,...,hn·WO 其中，Z为多头自注意力融合结果，Q、K和V分别为计算注意力时的查询、键和值，h1,h2,...,hn为多头自注意力各个头的结果，Concat·表示通道拼接，WO表示融合的权重矩阵； 所述卷积分支对其输入进行两次通道压缩卷积以及一次激活函数操作，其中第一次卷积用于降低通道数，第二次卷积用于恢复通道数，卷积分支的操作表示为： FC1＝Conv3FC FC2＝Conv3ActFC1 其中，Conv3·表示3×3卷积操作，Act·为激活函数，FC表示输入卷积分支的特征图，FC1为第一次卷积后的特征图，尺寸为H×W×αC3，FC2为第二次卷积后的特征图，尺寸为H×W×αC； 步骤3，基于浅层特征F0和深层特征FDF，利用重建函数进行红外图像超分辨重建。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。