公开(公告)号：CN119850425A

公开(公告)日：2025-04-18

申请号：CN202510044417.6

申请日：2025-01-11

Applicant: 福州大学

Inventor： 吴丽君 ,  李珊 ,  陈志聪 ,  黄光楷

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于膨胀特征调制网络的轻量化建筑物图像超分辨率重建方法，具体包括如下步骤：步骤1，获取建筑物高分辨率图像，对原始高分辨率图像的降采样，得到对应的低分辨率图像；步骤2，对低分辨率图像进行数据增强；步骤3，构建基于膨胀特征调制网络的轻量化建筑图像超分辨率网络模型；步骤4，训练所述模型，得到基于膨胀特征调制网络的轻量化建筑物图像超分辨率重建模型；本发明有效恢复了低分辨率建筑物图像纹理细节等信息，解决了现有的轻量化图像超分辨率网络建模远程依赖关系方面的不足，实现了在不增加计算开销的情况下在全局特征范围内进行精确且高效的长程依赖关系建模，有效提升建筑物图像超分辨模型的轻量性和重建质量。

公开(公告)号：CN119850424A

公开(公告)日：2025-04-18

申请号：CN202510044375.6

申请日：2025-01-11

Applicant: 福州大学

Inventor： 吴丽君 ,  黄光楷 ,  陈志聪 ,  李东徽 ,  李珊 ,  陈雯静

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T3/4007 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建方法，具体包括如下步骤：步骤1，获取建筑物高清图像，并将原始高分辨率图像进行降采样，得到对应的低分辨率图像；步骤2，对低分辨率图像进行数据增强；步骤3，构建基于状态方程模型的Mamba轻量化建筑物图像超分辨率网络模型；步骤4，训练所述超分辨率模型，得到基于状态方程模型的Mamba轻量化建筑物图像超分辨率重建模型。本发明可以有效恢复建筑物图像的规则纹理，解决了现有的轻量化图像超分辨率网络在有效感受野与性能间的权衡问题，实现了在不增加计算开销的情况下图像进行高效特征提取以获取全局信息，有效提升轻量化建筑物图像超分辨模型的轻量性和重建质量。

公开(公告)号：CN119963415A

公开(公告)日：2025-05-09

申请号：CN202510064116.X

申请日：2025-01-15

Applicant: 福州大学

Inventor： 吴丽君 ,  李东徽 ,  陈志聪 ,  李珊 ,  黄光楷 ,  郑宇翔

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084 ,  G06N5/01 ,  G06N3/0985

Abstract: 本发明提出一种基于激活融合二值化神经网络的光伏面板遥感图像超分辨率重建方法，包括：获取待重建的低分辨率光伏面板遥感检测图像；针对光伏面板图像的规律纹理特性，设计微调残差对齐模块和非线性激活融合模块，并基于此构建二值化神经网络图像超分辨率重建模型；将低分辨率图像输入训练好的模型中，通过微调残差对齐模块、浅层特征提取模块、二值量化处理的深层特征提取模块及图像重构模块生成高分辨率图像。相较于全精度的超分辨率网络模型，本发明中提出的二值网络能够显著降低模型的计算复杂度，同时通过所述设计模块，还能保持良好的图像重建性能，适用于资源受限的遥感检测环境，提升了光伏面板检测的效率和可靠性。