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！

龙图腾网获悉中国海洋大学申请的专利一种水下图像协同增强与超分辨率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：CN116309046B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310122198.X，技术领域涉及：G06T3/4053；该发明授权一种水下图像协同增强与超分辨率方法是由李坤乾;亓琦;李春燕;刘文杰;宋大雷设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本一种水下图像协同增强与超分辨率方法在说明书摘要公布了：本发明公开了一种水下图像协同增强与超分辨率方法，属于计算机视觉技术领域，包括利用带有视觉增强参考图的水下图像数据集，构建模型训练过程中所需的训练数据集，训练数据集包括低分辨率的原始水下退化图像，低分辨率参考真值图像，高分辨的原始退化水下图像，高分辨参考真值图像；搭建水下图像协同增强与超分辨率深度学习网络，将成对的原始水下退化图像作为该深度网络输入，利用其对应的低分辨率参考真值图像对模型输出的预测图像进行约束优化；利用最小化像素值差异损失与结构相似度损失，对模型训练过程进行约束优化，训练所述水下图像协同增强与超分辨率深度学习网络；将任意一对原始水下退化图像作为模型的输入，经过模型计算得到输出。

本发明授权一种水下图像协同增强与超分辨率方法在权利要求书中公布了：1.一种水下图像协同增强与超分辨率方法，其特征在于，包括： S1.利用带有视觉增强参考图的水下图像数据集，构建深度学习神经网络模型训练过程中所需的训练数据集，训练数据集包括低分辨率的原始水下退化图像，与对应的低分辨率参考真值图像，高分辨的原始退化水下图像，与对应的高分辨参考真值图像； S2.搭建水下图像协同增强与超分辨率深度学习网络，将成对的作为该深度网络输入，利用其对应的对深度学习神经网络模型输出的预测图像进行约束优化； S3.利用最小化像素值差异损失与结构相似度损失，对深度学习神经网络模型训练过程进行约束优化，训练所述水下图像协同增强与超分辨率深度学习网络，得到深度学习神经网络模型； S4.将任意一对作为模型的输入，经过深度学习神经网络模型后输出其； S2包括： S2.1.搭建水下图像协同增强与超分辨率深度学习网络结构，网络结构由级联的水下图像协同增强子模块CoE-M和水下图像协同超分辨率子模块CoSR-M构成； S2.2.搭建基于双分支孪生深度网络结构的CoE-M和CoSR-M，孪生结构由特征匹配关联子模块进行连接，实现特征信息传递； CoE-M由孪生结构深度编码-解码结构与特征关联匹配模块组成，孪生结构深度编码-解码结构用于获得初始增强结果；特征关联匹配模块利用互相关计算双分支特征关联相似度，并根据最近邻关系进行特征通道合并，从而在图像增强层面实现特征信息的传递与协同关联； CoSR-M由孪生残差模块、特征关联匹配模块及上采样-卷积模块组成，孪生残差模块用于获取面向超分辨任务的深度特征表达；特征关联匹配模块利用互相关计算双分支特征关联相似度，并根据最近邻关系进行特征通道合并，从而在图像超分辨层面实现特征信息的传递与协同关联；上采样-卷积模块用于提升特征分辨率，并输出超分辨后的水下图像对； S3包括： S3.1.将一对记为和，作为水下图像协同增强与超分辨率深度学习网络的输入； S3.2.水下图像协同增强与超分辨率深度学习网络输出一对模型预测的低分辨清晰水下图像，记为和，分别计算和之间、和之间的像素值差异损失； S3.3.将一对记为和，作为水下图像协同增强与超分辨率深度学习网络的输入； S3.4.水下图像协同增强与超分辨率深度学习网络输出一对模型预测的高分辨清晰水下图像，记为和，分别计算和之间、与之间的像素值差异损失和结构相似度损失； S3.5.将S1获得的训练数据集，按照S3.1和S3.3将任意两组样本配对的形式输入水下图像协同增强与超分辨率深度学习网络，根据步骤S3.2和步骤S3.4分别计算两个子模块的预测输出与参考结果的差异损失； S3.6.通过最小化上述差异损失，迭代优化模型参数。

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”。

以上内容由龙图腾AI智能生成。