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！

龙图腾网获悉杭州电子科技大学申请的专利水下磁测机器人对于磁异常处采样图像处理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：CN116137053B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310145968.2，技术领域涉及：G06T17/00；该发明授权水下磁测机器人对于磁异常处采样图像处理方法是由王孔涛;吴晟涛;王东睿;张一帆;杨一凡;章雪挺设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本水下磁测机器人对于磁异常处采样图像处理方法在说明书摘要公布了：本发明公开了一种水下磁测机器人对于磁异常处采样图像处理方法，包括如下步骤：S1、采集水下磁异常处的图像，并构建基础的磁性目标图像数据库；S2、基于超采样策略对数据库中的图像进行分辨率优化；S3、采用细化网络对生成高分辨率图像进一步优化处理；S4、使用可泛化辐射神经网络结合经步骤S2、S3优化后的高分辨率图像作为输入生产新视角图像。该方法利用计算机视觉中超采样算法，利用数张图像资源重建海洋目标对象的图像3d模型，提供多个新视角图像，提高对图像信息的利用率与实时交互能力，为水下磁测任务提供了有力的可视化工具。

本发明授权水下磁测机器人对于磁异常处采样图像处理方法在权利要求书中公布了：1.一种水下磁测机器人对于磁异常处采样图像处理方法，其特征在于，包括如下步骤： S1、采集水下磁异常处的图像，并构建基础的磁性目标图像数据库； S2、基于超采样策略对数据库中的图像进行分辨率优化； 所述超采样策略的具体方法为： 将图像中一个像素分割为多个子像素，并为每个子像素绘制一条射线，其中，H为图像高度，W为图像宽度； 超采样后像素p的颜色可以用如下公式表示： ； 其中表示训练图像中像素p的所有可能的射线的方向的集合，是中包含的所有入射光线的辐射的组成的栅格化过程；训练射线方向从中采样；将一个像素均匀分割成一个网格像素集合，则训练射线方向从中选取，其中 通过渲染子像素，可以获得一个图像； S3、通过细化网络逐个补丁的细化策略，利用步骤S2优化后生成的高分辨率图像进行逐个补丁细化，通过补充图像细节，实现对图像的进一步优化，生成一张高分辨率的图像； 所述步骤S3的具体方法如下： S3-1、设定参考补丁 S3-2、通过细化网络从超采样和参考补丁产生的图像中编码合成补丁 S3-3、超采样的编码特征经过最大池化后，与补丁的编码特征连接，将解码生成细化补丁； S4、使用可泛化辐射神经网络结合经步骤S2、S3优化后的高分辨率图像作为输入生产新视角图像， 所述可泛化辐射神经网络包括视觉特征变换神经网络、Epipolar聚合器变换神经网络和参考视图聚合器变换神经网络； 所述步骤S4的具体方法如下： S4-1、通过视觉特征变换神经网络，输入是由视图k和第m个采样深度索引的一组面片线性嵌入和位置编码向量， 首先将零层输入的特征连接定义为： ； 对每个深度样本重复，因此它对K个视图序列进行操作， ； S4-2、通过Epipolar聚合器变换神经网络沿每条极线聚合信息，从而生成每个参考视图特征，输入是集合，与位置编码连接， 参考集合中与视图相对应的特征，每个视图都重复变换神经网络，因此沿着M个极线样本序列操作，首先计算 ； 其中是表示目标射线的特殊标记，然后，沿着M个极线样本应用学习的加权和，如下所示： ； ； 得到每个视图k的特征向量，其中W1是可学习的权重，是对应于目标光线标记的输出； S4-3、参考视图聚合器变换神经网络输入是与相机相对位置编码连接的每参考视图特征的集合，形式上，计算 ； 计算混合权重 ； 其与来自Epipolar聚合器变换神经网络的权重结合使用，以通过在每个参考视图处沿每个极线样本混合颜色来估计目标射线的颜色， ； 其中是沿对极线k的第m个样本的像素颜色，通过使用两组注意力权重和来实现，允许混合来自所有对极线样本和所有参考视图的颜色。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。