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！

龙图腾网恭喜中国海洋大学申请的专利基于轻量化生成模型的遥感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：CN113538234B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202110730777.3，技术领域涉及：G06T3/4053；该发明授权基于轻量化生成模型的遥感图像超分辨率重建方法是由聂婕;袁丽媛;魏志强;郑程予;耿浩冉;韦志国设计研发完成，并于2021-06-29向国家知识产权局提交的专利申请。

本基于轻量化生成模型的遥感图像超分辨率重建方法在说明书摘要公布了：本发明属于图像生成技术领域，公开了一种基于轻量化生成模型的遥感图像超分辨率重建方法，构建基于遥感图像的生成对抗超分辨率网络总模型，包括生成网络和判别网络，通过生成网络与判别网络持续的训练对抗，来生成与真实图像更为相近的超分辨率图像；所述生成网络融合了注意力的显著性机制，将不同通道特征重新进行权重分配，使得模型能够自适应的学习遥感图像的特征分布，通过损失函数和优化器不断迭代优化两个网络模型参数，以期达到两者间的动态平衡，使得生成图像的概率分布与真实图像的数据分布近似相同，以缓解图像超分辨重建的不适定问题。

本发明授权基于轻量化生成模型的遥感图像超分辨率重建方法在权利要求书中公布了：1.基于轻量化生成模型的遥感图像超分辨率重建方法，其特征在于，包括以下步骤：步骤一、搭建轻量化生成网络结构，命名为注意力生成网络AGN，此生成网络结构融合了通道注意力机制显著性模型，同时，将普通卷积替换为深度可分离卷积；步骤二、构建基于遥感图像的生成对抗超分辨率网络总模型，该模型包括步骤一所述的生成网络和判别网络，通过生成网络与判别网络持续的训练对抗，来生成与真实图像更为相近的超分辨率图像；所述生成对抗超分辨率网络总模型的生成网络与判别网络通过超分辨率重建算法优化网络，超分辨率重建算法的具体步骤如下：Step1：输入训练样本对P＝{X,Y}：训练集中高分辨率遥感图像样本为[X1,X2,…Xn]，经随机裁剪后，得到高分辨率图像样本X＝[x1,x2,…xn]，经过下采样操作后，得到相应的低分辨率图像样本Y＝[y1,y2,…yn]；Step2：将低分辨率图像样本Y＝[y1,y2,…yn]按照批次输入生成网络，获得与之对应的超分辨率图像S＝[s1,s2,…sn]；Step3：将Step2中获得的超分辨率图像样本S与裁剪后的高分辨率图像样本X，都输入到判别网络中；然后判别网络给出其判别结果，即输入图像为自然图像的概率，分别记为ps、px；接着计算得出判别损失dloss，并将结果进行反向传播，更新判别网络参数；Step3中，判别损失dloss计算公式如下：dloss＝1-px+psStep4中，其生成网络损失gloss计算公式如下：gloss＝MSEloss+VGGloss+Adversarialloss其中，MSEloss用来计算高清图像与生成图像的像素间差值关系；VGGloss用来计算生成图像和高清图像IHR特征表示之间的欧几里得距离；Adversarialloss为判别模型判断生成图像为原始数据集中的高清图像的概率；上述三个网络损失的计算公式如下： 其中，表示生成卷积神经网络，θG表示网络权重和偏置项；是指通过VGG-19网络得到的特征图，Wi,j和Hi,j表示VGG-19网络特征图的维度；表征为一个概率值，即判别模型判断生成图像为原始数据集中的高清图像的概率；Step4：生成网络梯度置零，计算生成网络损失gloss，并将结果反向传播，更新生成网络参数；接着，再将低分辨率图像样本Y，输入到生成网络，生成网络生成对应的超分辨率图像S，计算更新参数后的生成网络损失gloss，并重新计算更新参数后的判别损失dloss；Step5：返回Step3和Step4步骤，不同批次数据不断进行参数更新，直到此轮训练结束。

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国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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”。