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！

龙图腾网获悉武汉大学申请的专利一种基于频内相关性的红外光场图像超分辨率方法及设备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：CN119090719B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411059953.5，技术领域涉及：G06T3/4053；该发明授权一种基于频内相关性的红外光场图像超分辨率方法及设备是由樊凡;马泳;黄珺;张灿设计研发完成，并于2024-08-05向国家知识产权局提交的专利申请。

本一种基于频内相关性的红外光场图像超分辨率方法及设备在说明书摘要公布了：本发明涉及图像处理技术，具体涉及一种基于频内相关性的红外光场图像超分辨率方法及设备，该方法提出IRLFFSR网络中，SAI分解为高频和低频分量，以解耦非均匀噪声和结构；再通过频率内单元和频率间单元来学习这些高、低频分量之间的相关性。频率内单元对相邻像素的依赖性进行建模，以粗略地帮助重建结构并抑制非均匀噪声，而频率间单元用于学习两个频率分量之间的内容相关性，帮助重建精细授权的结构并抑制残余噪声。在两个单元中，嵌入了三重注意力机制，以充分利用空间、角度和频率信息，通过自我注意力联合建模空间角度、空间频率和角频率相关性。该方法解决了非均匀噪声和结构耦合引起的过平滑和伪影问题，结构更清晰，伪影更少。

本发明授权一种基于频内相关性的红外光场图像超分辨率方法及设备在权利要求书中公布了：1.一种基于频内相关性的红外光场图像超分辨率方法，其特征在于，包括：IRLF-FSR网络以IRLF成像系统的LR图像为输入，依次进行频率特征提取、级联频率内和频率间特征交互和特征重建，以生成输出；步骤如下： 提取频率特征；对每个频率分量进行级联卷积以提取频率特征，步骤如下： 1.1.使用5×5卷积核分解SAI； 对输入SAI进行5×5卷积以获得低频分量，用获得的低频分量减去输入SAI获得相应的高频分量； 1.2.通过ResBlock从每个频率分量中捕获高频特征和低频特征，ResBlock按顺序执行输入后3×3卷积、LeakyReLU激活和3×3卷积，将结果与输入结合； 高频特征的表达式： 低频特征的表达式： 其中表示5×5卷积，表示ResBlock；和的尺寸为，其中，为角度分辨率，为角度空间模型的横坐标，为角度空间模型的纵坐标；表示通道维度； 进行级联频率内和频率间特征交互；提取频率特征后，对每个分量内相邻像素的依赖性进行建模，并学习两个分量之间的内容相关性，获取频率分量内和频率分量间的信息，作为结构重建和非均匀噪声抑制的依据； 进行级联频率内和频率间特征交互包括： 2.1.设一对频率内和频率间单元，分别对相邻像素的依赖性和内容相关性进行建模；将一对频率内和频率间单元打包成一组，即频率内和频率间特征交互组，以获取频率分量内和频率分量间的信息，并级联L个组，L=5； 2.2.输入的高频特征和低频特征由频率内单元进行处理；将其输入到频率间单元，对不同频率分量之间的内容相关性进行建模；将频率间单元的输出特征发送到下一组，表达式如下： 其中，和分别表示第l组的输入和输出频率特征；和分别表示频率内单元和频率间单元的操作； 2.3.频率内和频率间单元均包括转换器BasicTrans和ResBlock；添加残差连接以获得输出特征；设X表示输入的特征，单元内公式为： 其中，表示BasicTrans，BasicTrans从输入特征中挖掘信息，包括IRLF的固有空间和角度信息，还包括频率诱饵位置后的隐含频率信息；BasicTrans用三重注意力TA取代MHSA，计算并融合了包括HU、HC和UC的不同维度的注意力；通过TA联合挖掘空间、角度和频率信息； 进行特征重建；使用最后一个频率内相互作用组的输出特征进行重建，通过对SAI进行双三次插值上采样，将重建结果与双三次插值结果相加，生成最终的SR图像，，其中，R为图像集，A为LR图像，为空间分辨率；为红外图像阵列的行数，为红外图像阵列每行子孔径图像的个数，α为像素超分系数； 使用损失函数训练网络，并通过ADAM优化器对其进行优化。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。