CN120259084A 基于动态稀疏自注意力的图像超分网络构建方法 （山东科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120259084A(43)申请公布日2025.07.04

(21)申请号202510750338.7

(22)申请日2025.06.06

(71)申请人山东科技大学

地址266590山东省青岛市黄岛区前湾港

路579号

(72)发明人季民祁舰靳奉祥李婷

左亚男高若男季含宇李长赫靳宇刘君

(74)专利代理机构青岛智地领创专利代理有限公司37252

专利代理师王鸣鹤

(51)Int.CI.

GO6NGO6N

GO6N

3/0464(2023.01)

3/048(2023.01)

3/09(2023.01)

GO6T3/4053(2024.01)

GO6T5/60(2024.01)

GO6N3/0455(2023.01)

权利要求书5页说明书12页附图5页

(54)发明名称

基于动态稀疏自注意力的图像超分网络构

建方法

(57)摘要

CN120259084A本发明公开基于动态稀疏自注意力的图像超分网络构建方法，属于遥感图像处理技术领域。本发明基于Transformer超分架构，设计动态稀疏自注意力，突出高频信息并减少噪声，有效提升滨海养殖池塘图像修复的质量；开发尺度感知交互层，增强不同尺度池塘在进行超分时的一致性；最后，将Sentinel-2影像的空间分辨率由10m超分至2.5m,并使用边缘监督U-Net网络实现在Sentinel-2影像中精细化提取滨海养殖池塘；本发明提升了Sentinel-2图像的重建效果，减少了重建伪影，获得Sentinel-2超分影像，实现在中等分辨率图像中精细化提取滨海养殖池塘，降

CN120259084A

浅层

浅层特征

提取

3×3卷积

DSwinBlock

3×3卷积

层归一化

3×3卷积

像素重排

输出图像

块解嵌相加

1

CN120259084A权利要求书1/5页

2

1.基于动态稀疏自注意力的图像超分网络构建方法，其特征在于，包括：

S1.构建动态稀疏窗口交互块DSwinBlock,动态稀疏窗口交互块由动态稀疏自注意力DSA、窗口自注意力WSA和尺度感知交互模块SAIM组成；

S2.基于动态稀疏窗口交互块搭建图像超分网络模型；

S3.获取滨海养殖池塘的哨兵2号卫星影像Sentinel-2影像，构建训练数据集；

S4.基于训练数据集对图像超分网络模型进行模型训练，获取训练权重，基于训练权重对Sentinel-2影像进行修复和重建，获取Sentinel-2超分图像；

S5.基于Sentinel-2超分图像提取滨海水产养殖池塘。

2.根据权利要求1所述的基于动态稀疏自注意力的图像超分网络构建方法，其特征在于，S1包括：

S1.1,构建动态稀疏自注意力DSA,捕获图像修复所需的高频细节信息和纹理信息；

输入一组特征X,通过卷积将特征X映射为查询向量Q、键向量K和值向量V:

其中，X∈Rd×H×W表示特征X的尺寸为Rd×H×W,d、H和W分别表示特征X的特征维度、特征图高和特征图宽，K表示分块Chunk,fconv表示1×1卷积，表示卷积核大小为n的深度可分离卷积；

对查询向量和键向量进行欧几里得L2归一化后，再对查询向量和键向量的转置进行点积操作，生成相似度密集矩阵M:

其中，KT表示键向量的转置。

3.根据权利要求2所述的基于动态稀疏自注意力的图像超分网络构建方法，其特征在于，引入可学习的区间划分参数αi,在三个不同区间范围内进行Top-K特征选择，第i个特征与其他特征的相似度密集矩阵为Mi,用于划分不同稀疏阶段的值k;为：

ki=clip(αi,ri);

其中，clip(αi,ri)表示将Ci限制在指定区间Yi内；

定义稀疏掩码，基于k;进行区间Top-K选择，获取每个阶段的稀疏相似度矩阵Mk;,再通过激活函数softmax对Mk;进行归一化，得到动态稀疏自注意力的输出Aoup:

Aoup=∑=1softmax(Mk)·V;

其中，Tk;(i)表示与第i个特征相似，且相似度排名为前k;的索引集合，otherwise表示除索引集合外的其余位置。