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！

龙图腾网获悉南京大学申请的专利一种基于深度学习的太赫兹图像优化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：CN115984123B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202211522224.X，技术领域涉及：G06T5/60；该发明授权一种基于深度学习的太赫兹图像优化方法是由张彩虹;张伟;冯龙呈;范克彬;吴敬波;金飚兵;陈健;吴培亨设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于深度学习的太赫兹图像优化方法在说明书摘要公布了：本发明公开了一种基于深度学习的太赫兹图像优化方法，包括以下步骤：构建一个20层，包括3种不同类型网络层的神经网络；预处理太赫兹图像；输出预测图像，判定优化质量。本发明针对噪声较大情况下太赫兹成像系统成像图像质量低的问题，在太赫兹图像优化方面提供了解决方案。该方案可以利用深度学习，提升图像优化质量，提高图像优化效率。

本发明授权一种基于深度学习的太赫兹图像优化方法在权利要求书中公布了：1.一种基于深度学习的太赫兹图像优化方法，其特征在于，包括以下步骤： S1，构建一个20层，包括3种不同类型网络层的神经网络； S2，预处理太赫兹图像； S3，输出预测图像，判定优化质量；所述步骤S1中，包括如下步骤： S1.1，构建输入层和卷积层：输入训练图像数据至卷积层，使用64个3×3×c的卷积核提取原太赫兹图像，生成64个特征图，对应输出特征值y，c表示图像通道数，使用整流线性单元ReLUy进行非线性处理；所述ReLUy＝maxy,0，指输出特征值y与0作比较，取最大值输出； S1.2，构建隐藏层，每层使用64个大小为3×3×64的滤波器，在卷积层与整流线性单元ReLUy之间添加批归一化处理，所述批归一化处理将步骤S1.1中提取图像的特征值转化为均值为0、方差为1的数，进入网络的下一层，减轻内部协变量移位问题；本网络使用残差网络解决网络深度问题：在整流线性单元ReLUy前添加输入函数a[l]，所述残差网络公式为：a[L]＝a[l]+Fa[l],W，式中a[L]为后第L层网络输入值，W为匹配卷积操作，用于升维或降维，Fa[l],W为残差部分；所述残差网络结合所述批归一化使用，优化网络效率；网络通过最小化损失函数来求解和评估模型，训练图像数据式中，xi为第i个无噪声图像，yi为第i个原始训练图像，N为训练图像总数，训练网络的损失函数lθ定义为：式中，为训练网络残差映射噪声与真实噪声差的F范数的平方，Ryi；θ为残差映射噪声，‖‖F表示为的F范数，θ为网络参数，真实残差图像与网络输出之间使用均方误差MSE作为损失函数，Adam算法被用作梯度优化，Adam算法公式为: mt：＝beta1*mt-1+1-beta1*g vt：＝beta2*vt-1+1-beta2*g*g 式中mt为历史梯度的一阶指数平滑值，vt为历史梯度平方的一阶指数平滑值，lrt为学习速率，设置为0.001，beta1为一阶矩估计的指数衰减率，beta2为二阶矩估计的指数衰减率，ε为维持数值稳定性而添加的常数，g为步进为t的梯度，wariable为Adam算法参数更新公式，:＝运算符号代表将等式右边部分赋值给左边； S1.3，构建输出层：最后使用大小为3×3×64的滤波器重建输出残差图像。

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南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22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”。