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！

龙图腾网获悉温州大学申请的专利一种基于迭代残差学习的少样本图像修复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：CN115937022B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211470483.2，技术领域涉及：G06T5/77；该发明授权一种基于迭代残差学习的少样本图像修复方法是由赵汉理;王纪开;卢望龙;王宇;刘鑫禹;姜贤塔;许淑华设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本一种基于迭代残差学习的少样本图像修复方法在说明书摘要公布了：本发明提出一种基于迭代残差学习的少样本图像修复方法，包含生成器网络、映射空间鉴别器和伪造补丁鉴别器网络。每次训练，模型会迭代多次并对修复结果进行优化。在每次迭代优化中，生成器会重用之前的修复结果，并进一步预测修复区域和原始样本之间的残差信息。结合残差信息得到新一轮的修复结果，并对其进行损失值的计算。结合映射空间生成对抗损失、伪造补丁生成对抗损失和感知损失计算出损失值并进行反向传播，对生成器网络、映射空间鉴别器和伪造补丁鉴别器网络的参数进行调整。重复上述步骤，直至训练结束，选择最优网络参数作为修复模型参数；实施本发明，能够实现一种在少样本和多样本数据集上取得高质量修复的图像修复方法。

本发明授权一种基于迭代残差学习的少样本图像修复方法在权利要求书中公布了：1.一种基于迭代残差学习的少样本图像修复方法，构建图像修复模型以对输入图像进行修复处理，其特征在于，该图像修复模型至少通过以下步骤得到： 步骤S1、获取训练集和测试集；其中，训练集用于对模型参数的训练调整，测试集用于对模型进行评估检验； 步骤S2、构建网络模型，用于基于迭代残差学习的少样本图像修复；该网络模型至少包括生成器网络、映射空间鉴别器和伪造补丁鉴别器网络；其中，生成器网络利用前一次迭代的修复结果和对应的二值掩码，来进一步预测修复区域和原始样本之间的残差信息；通过结合残差信息来获得新一轮的修复结果；映射空间鉴别器网络，用于在预训练分类器网络的编码空间中进行生成对抗训练，旨在让生成器网络所生成的样本能够在预训练编码空间中和真实样本有着一致的数据分布；伪造补丁鉴别器网络专注于浅层信息的一致性，协助生成器生成的样本能够在颜色、纹理和结构中和真实样本有着一致的分布；对所有网络进行模型初始化； 步骤S3、在任一次训练过程中，首先生成和训练图像同样尺寸的二值掩码，然后抹去掩码中对应位置的图像信息，将掩码和图像作为初始的输入信息；模型接着对输入信息进行多次迭代优化；在训练过程中，每次的优化都会伴随损失值的计算和模型参数更新；而在测试阶段，损失值不会进行计算； 在任意一次优化迭代中，上一次优化的修复结果和二值掩码一起输入到生成器网络中；生成器根据输入的信息，预测出当前输入的修复区域和真实样本之间的残差信息；该残差信息会结合上一次的修复结果得到优化后的修复结果； 得到当前迭代优化的修复结果之后，映射空间生成对抗损失、伪造补丁生成对抗损失和感知损失计算出损失值并进行反向传播；模型利用随机梯度下降法对生成器网络、映射空间鉴别器和伪造补丁鉴别器网络的参数进行更新调整； 步骤S4、利用测试集对模型进行评估；若模型在测试图像中的修复质量指标为当前最高，则保存模型参数；判断训练是否结束，结束则跳转至步骤S5，否则跳转至步骤S3； 步骤S5、得到最优的生成器网络、映射空间鉴别器和伪造补丁鉴别器网络模型参数，并将生成器网络作为图像修复模型用于迭代残差学习的图像修复； 在所述步骤S3中，映射空间生成对抗损失的计算公式如下： 其中，是用于优化映射空间鉴别器D·参数的目标函数；是用于优化生成器G·参数的目标函数；表示对输入为Igt的结果求取期望，同理；ReLU·是线性整流函数；P·是预训练的分类模型的特征提取器； 在所述步骤S3中，在输入信息输入到伪造补丁鉴别器E·之后，E·输出大小为w′×h′的二维张量；二维张量的每一个点，都对应了切片范围为E·感受野大小N×N所对应切片的置信度，即该图像切片有多大的程度被认为是真实样本的图像切片；在计算伪造补丁生成对抗损失之前，首先构造对应的标签图 其尺度大小和E·输出一样；首先利用E·的感受野，将输入的二值掩码和图片根据感受野进行裁剪；得到裁剪后的子切片Ra,b和1≤a≤h′,1≤b≤m′；对应的标签图的构造公式为： 如果的值不为0，说明对应的子切片Ra,b区域中包含了生成的像素点，即可认为该切片为伪造切片；反之，该切片被认为是真实切片；所以对应的Xa,b＝1就表示对应的感受野区域下的切片为伪造切片，Xa,b＝0即认为是真实的切片； 对应的伪造补丁生成对抗损失的计算公式如下： 其中，用于约束伪造补丁鉴别器E·参数的目标函数；是用于约束生成器G·参数的目标函数；X是构造出来的标签图，其尺度大小和的输出大小相同。

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温州大学，其通讯地址为：325000 浙江省温州市瓯海区东方南路38号温州市国家大学科技园孵化器；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”。