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！

龙图腾网获悉长春理工大学申请的专利基于噪声解耦的红外图像超分辨率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：CN120198293B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510489706.7，技术领域涉及：G06T3/4053；该发明授权基于噪声解耦的红外图像超分辨率重建方法是由詹伟达;张之潆;王宇;李国宁;于国栋;王春阳;蒋一纯;邢健设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本基于噪声解耦的红外图像超分辨率重建方法在说明书摘要公布了：本发明涉及超分辨率重建技术领域，提供了基于噪声解耦的红外图像超分辨率重建方法，包括如下步骤：S1：输入数据与预处理：采用FLIR红外数据集，对高分辨率图像通过双三次插值降采样至64×64或32×32的低分辨率输入，并将像素值归一化至[0,1]以适配神经网络的低分辨率红外图像ILRLR作为后续输入，并对此ILRLR进行噪声解耦。本发明在红外图像超分辨率重建任务上具有显著优势，能够有效恢复红外图像细节，提高重建图像的分辨率和质量；适用于不同成像设备和噪声水平的红外图像超分辨率重建任务，尤其在医学成像、环境检测等对图像分辨率要求较高的领域有着重要应用价值。

本发明授权基于噪声解耦的红外图像超分辨率重建方法在权利要求书中公布了：1.基于噪声解耦的红外图像超分辨率重建方法，其特征在于，包括如下步骤： S1：输入数据与预处理：采用FLIR红外数据集，对高分辨率图像通过双三次插值降采样至64×64或32×32的低分辨率输入，并将像素值归一化至[0,1]以适配神经网络的低分辨率红外图像ILR作为后续输入，并对此ILR进行噪声解耦； S2：预训练模型加载：加载预训练一致性模型作为去噪网络，通过特征提取、残差块组、噪声条件嵌入及反向投影引导模块，计算输入噪声的噪声均值μn和标准差σn，采用多层感知机MLP对归一化噪声统计信息编码生成噪声条件并将其与特征图逐通道相加，最终通过反向投影迭代输出红外高频特征分量FHR用作后续条件输入，模型加载时冻结底层特征提取层，仅微调高层残差块和噪声嵌入层，以适应红外图像的亮度分布及噪声特性； S3：构建超分模型：基于多尺度特征提取模块、异质性高频信息融合模块及亚像素卷积，构建超分辨率模型，以增强红外图像细节恢复能力；低分辨率图像ILR经多尺度特征提取模块生成超分辨率特征FSR，并与一致性模型去噪生成的红外高频特征FHR进行跨域融合，最终通过亚像素卷积生成超分辨率图像ISR； S4：模型训练：S1获得的低分辨率图像经噪声解耦生成初始噪声NLR作为条件输入，并输入至S2中的去噪网络模型进行预训练，对其进行反向投影修正，以提取红外高频特征向量FHR；随后，利用多尺度特征提取模块对S1中的低分辨率图像进行特征分解，获得超分辨率特征分量FSR；对FHR和FSR进行异质性特性信息融合和亚像素卷积，最终获得超分辨率重建图像ISR； S5：模型优化与损失函数设计：复合损失函数包括均方误差损失函数LMSE、感知损失函数LPIPS、一致性损失函数LCon和梯度正则化损失函数LReg，进行联合优化，确保最终输出的超分辨率红外图像在质量上达到最优。

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长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7089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。