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！

龙图腾网获悉中山大学申请的专利一种图像超分辨率方法、系统、计算机设备和存储介质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：CN119784593B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411944287.3，技术领域涉及：G06T3/4053；该发明授权一种图像超分辨率方法、系统、计算机设备和存储介质是由刘清源;廖冠中;袁雪林;何健聪;李兴华;孙晓晨;王福兴设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种图像超分辨率方法、系统、计算机设备和存储介质在说明书摘要公布了：本发明涉及图像超分辨率技术领域，公开了一种图像超分辨率方法、系统、计算机设备和存储介质，包括根据基于区域复杂度的采样策略，对低分辨率图像进行采样，得到浅层特征；将浅层特征输入到深层特征提取模型，得到深层特征，深层特征提取模型采用基于自注意力的视觉状态空间模型构建得到；将浅层特征和深层特征进行融合，得到图像特征；将图像特征输入图像增强模型进行上采样和残差连接，得到低分辨率图像对应的高分辨率图像，图像增强模型采用基于卷积的像素重组方法构建得到。本发明通过多尺度的浅层特征提取、全局局部相结合的深度特征提取以及基于卷积残差的图像重构，有效提升了重构图像的细节清晰度和图像分辨率，且适用于多种复杂场景。

本发明授权一种图像超分辨率方法、系统、计算机设备和存储介质在权利要求书中公布了：1.一种图像超分辨率方法，其特征在于，包括： 根据基于区域复杂度的采样策略，对低分辨率图像进行采样，得到浅层特征； 将所述浅层特征输入到预先建立的深层特征提取模型，得到深层特征，所述深层特征提取模型采用基于自注意力的视觉状态空间模型构建得到； 将所述浅层特征和所述深层特征进行融合，得到图像特征； 将所述图像特征输入预先建立的图像增强模型进行上采样和残差连接，得到所述低分辨率图像对应的高分辨率图像，所述图像增强模型采用基于卷积的像素重组方法构建得到； 所述深层特征提取模型由若干个特征处理模块和一个卷积层串联组成，所述特征处理模块采用基于自注意力的视觉状态空间模型构建得到； 所述特征处理模块包括串联的卷积分割模块、特征提取模块和拼接融合模块，所述特征提取模块包括并联的卷积残差模块和自注意力视觉状态空间模块； 所述卷积残差模块由若干个串联的卷积残差子模块组成，所述卷积残差子模块包括三个预设尺寸的卷积核和激活函数； 所述自注意力视觉状态空间模块由串联的第一残差子模块和第二残差子模块组成，所述第一残差子模块包括窗口多头自注意力子模块和第一归一化层，所述第二残差子模块包括视觉状态空间子模块和第二归一化层； 所述将所述浅层特征输入到预先建立的深层特征提取模型，得到深层特征的步骤包括： 将所述浅层特征输入到所述特征处理模块进行特征提取，并将提取到的浅层提取特征输入到下一个所述特征处理模块，直至得到最后一个所述特征处理模块输出的所述浅层提取特征； 将所述浅层提取特征输入到所述卷积层进行卷积操作，得到深层特征； 其中，所述将所述浅层特征输入到所述特征处理模块进行特征提取的步骤包括： 将所述浅层特征输入到所述卷积分割模块进行平均分割，得到第一浅层特征和第二浅层特征； 将所述第一浅层特征输入所述卷积残差模块，得到局部特征； 将所述第二浅层特征输入所述自注意力视觉状态空间模块，得到全局特征； 将所述局部特征和所述全局特征输入所述拼接融合模块，得到浅层提取特征。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。

以上内容由龙图腾AI智能生成。