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！

龙图腾网获悉青岛国测海遥信息技术有限公司;山东省林业保护和发展服务中心;临沂市森林和草原防火服务中心申请的专利基于超分辨率图像处理的林业火灾监测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：CN120997771B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511145259.X，技术领域涉及：G06V20/52；该发明授权基于超分辨率图像处理的林业火灾监测方法是由于海涛;吴自光;吴新健;高吉;赵剑强;左明杰;陈铁山;杨克;王崇阳;隋晨吉;吴尊闯设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本基于超分辨率图像处理的林业火灾监测方法在说明书摘要公布了：本发明涉及一种基于超分辨率图像处理的林业火灾监测方法，属于超分辨率图像处理林业火灾监测技术领域。其包括以下步骤：获取林业火灾监测数据，并对数据进行预处理；构建基于超分辨率图像处理的林业火灾监测模型，所述林业火灾监测模型包括林业火灾特征捕捉主干网络、模糊纹理特征重建模块、高光感色彩重组模块、全域特征聚合模块以及输出端；采用预处理的数据对模型进行训练；在训练过程中通过损失函数对模型参数进行优化，得到训练好的模型；将待检测图像输入到训练好的模型中，得到林业火灾监测结果。本发明能够增强对图像边缘像素特征的捕捉能力，抑制重建图像的边缘模糊现象，降低复杂背景干扰导致的误报。

本发明授权基于超分辨率图像处理的林业火灾监测方法在权利要求书中公布了：1.一种基于超分辨率图像处理的林业火灾监测方法，其特征在于，包括以下步骤： 获取林业火灾监测数据，并对数据进行预处理； 构建基于超分辨率图像处理的林业火灾监测模型，所述林业火灾监测模型包括林业火灾特征捕捉主干网络、模糊纹理特征重建模块、高光感色彩重组模块、全域特征聚合模块以及输出端；采用预处理的数据对模型进行训练；具体步骤包括： 在林业火灾特征捕捉主干网络中，林业火灾低分辨率图像输入至卷积核大小为的卷积层、批量归一化层以及非线性激活函数进行浅层的特征提取，得到第一特征图；将第一特征图经过层归一化操作，得到第二特征图；所述第二特征图经过SplitReshape操作，将第二特征图划分成大小的子特征，得到第一子特征图、第二子特征图、第三子特征图、第四子特征图；使用矩形滑动窗口注意力计算子特征之间的相关性，第一子特征图和第二子特征图之间的相关性计算公式表示如下： ， ， 其中，、、分别表示第一查询向量、第一键向量、第一值向量；、、分别表示第一可学习的投影矩阵、第二可学习的投影矩阵、第三可学习的投影矩阵；表示第一注意力特征图；表示softmax激活函数；表示缩放因子；表示特征矩阵乘法操作；同理，计算、之间的相关性，得到第二注意力特征图；计算、之间的相关性，得到第三注意力特征图；计算、之间的相关性，得到第四注意力特征图；将四个注意力特征图进行拼接融合得到第三特征图；所述第一特征图经过全局平均池化操作，得到池化特征图；所述池化特征图经过卷积核大小为的深度可分离卷积层、激活函数，得到第一池化特征图；所述第一池化特征图经过卷积核大小为的深度可分离卷积层以及激活函数，得到第二池化特征图；所述第二池化特征图与第三特征图执行逐元素相加操作，输出主干特征； 在模糊纹理特征重建模块中，所述主干特征经过批量归一化层，得到第四特征图；第四特征图经过卷积核大小为的卷积操作，得到第一卷积特征图；所述第四特征图经过卷积核大小为的逐点卷积操作、卷积核大小为的深度可分离卷积操作，得到第二卷积特征图；所述第二卷积特征图与第四特征图经过逐元素相加操作并经过激活函数以及卷积核大小为的卷积层，得到第三卷积特征图；将所述第四特征图与第三卷积特征图经过逐元素相加操作，得到第五特征图；所述第五特征图经过卷积核大小为的逐点卷积操作、卷积核大小为的深度可分离卷积操作，得到第四卷积特征图；所述第四卷积特征图与第五特征图经过逐元素相加操作并经过激活函数以及卷积核大小为的卷积层，得到第五卷积特征图；将所述第四特征图与第五卷积特征图经过逐元素相加操作，得到第六特征图；所述第六特征图经过卷积核大小为的逐点卷积操作、卷积核大小为的深度可分离卷积操作，得到第六卷积特征图；所述第六卷积特征图与第六特征图经过逐元素相加操作并经过激活函数以及卷积核大小为的卷积层，得到第七卷积特征图；将所述第一卷积特征图、第三卷积特征图、第五卷积特征图、第七卷积特征图进行特征拼接操作，得到第七特征图；所述第七特征图经过卷积核大小为的卷积核、批量归一化层以及激活函数得到第八卷积特征；所述第八卷积特征与第四特征图进行逐元素相加操作，并经过层归一化操作、激活函数进行处理，得到模糊纹理重建特征； 在高光感色彩重组模块中，所述模糊纹理重建特征经过卷积核大小为的逐点卷积操作、批量归一化层以及激活函数，得到第一重建特征图；所述第一重建特征图经过卷积核大小为的逐点卷积操作，得到第二重建特征图；所述第二重建特征图经过操作沿通道维度将其均匀分割为第一重建子特征、第二重建子特征以及第三重建子特征；所述第一重建子特征经过卷积核大小为的深度可分离卷积层，得到第一卷积重建子特征图；所述第一卷积重建子特征图经过卷积核大小为的空洞卷积层，得到第二卷积重建子特征图；所述第二卷积重建子特征图经过卷积核大小为的逐点卷积层，得到第三卷积重建子特征图；所述第一重建子特征经过卷积核大小为的深度可分离卷积层处理后与第三卷积重建子特征图进行逐元素相加操作，得到第三重建特征图；同理，所述第二重建子特征执行如第一重建子特征相同的处理，得到第四重建特征图；所述第三重建子特征执行如第一重建子特征相同的处理，得到第五重建特征图；所述第三重建特征图、第四重建特征图以及第五重建特征图经过特征拼接操作，得到第八特征图；所述第八特征图与第一重建特征图经过逐元素相加操作，并经过卷积核大小为的逐点卷积层、激活函数，得到高光感色彩重组特征图； 在全域特征聚合模块中，所述模糊纹理重建特征经过卷积核大小为的深度可分离卷积层、批量归一层以及激活函数，输出卷积重建特征图；所述高光感色彩重组特征图经过卷积核大小为的深度可分离卷积层、批量归一层以及激活函数，得到卷积重组特征图；所述卷积重建特征图和卷积重组特征图经过自注意力机制进行融合得到第五注意力特征图；所述第五注意力特征图经过全局平均池化操作、卷积核大小为的卷积层以及激活函数，得到全域聚合特征； 在训练过程中通过损失函数对模型参数进行优化，得到训练好的模型； 将待检测图像输入到训练好的模型中，得到林业火灾监测结果。

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青岛国测海遥信息技术有限公司;山东省林业保护和发展服务中心;临沂市森林和草原防火服务中心，其通讯地址为：266100 山东省青岛市高新区华中路66号招商蛇口青岛网谷基金谷5号楼3层304-306；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。