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！

龙图腾网获悉浙江工业大学申请的专利一种基于无监督超分辨率的三维指纹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：CN116721212B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310687724.7，技术领域涉及：G06T17/00；该发明授权一种基于无监督超分辨率的三维指纹方法是由王海霞;姚永波;张怡龙;庞巧玲;梁荣华;陈朋设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本一种基于无监督超分辨率的三维指纹方法在说明书摘要公布了：一种基于无监督超分辨率的三维指纹方法，包括如下步骤：1设计无监督超分辨率网络模型；2使用系统采集的条纹投影指纹图像，通过无监督超分辨率神经网络模型来提高条纹投影指纹图像的分辨率，利用超分辨率后的图像进行三维重建，得到指纹的三维结构。本发明设计了一个无监督神经网络能够解决单一低分辨率条纹投影指纹的超分辨率，同时也改善结构光采集到的条纹投影指纹边缘模糊现象，从而使三维重建后的指纹图像更加清晰，精度更高。

本发明授权一种基于无监督超分辨率的三维指纹方法在权利要求书中公布了：1.一种基于无监督超分辨率的三维指纹方法，其特征在于，包括如下步骤： 1构建无监督超分辨率网络模型； 2使用系统采集的条纹投影指纹图像，通过超分辨率网络模型来提高条纹投影指纹图像的分辨率，利用超分辨率后的图像进行三维重建，得到指纹的三维结构； 所述步骤1包括如下步骤： 11构建无监督超分辨率网络架构；在前向循环中使用m×n条纹投影指纹图像x作为网络的输入，通过上采样生成器GU得到2m×2n条纹投影指纹图像GUx；接下来通过下采样生成器GD得到m×n条纹投影指纹图像GDGUx；后向循环中仍然采用m×n条纹投影指纹图像x作为网络的输入，通过下采样生成器GD得到0.5m×0.5n条纹投影指纹图像GDx，下采样图像的分布尽可能接近输入的条纹投影指纹图像；然后，鉴别器DD将学习真实图像x与虚假图像GDx；接下来通过上采样生成器GU得到m×n条纹投影指纹图像GUGDx； 构建上采样生成器；在上采样生成器GU中，对图像的两端分别添加一个像素，以便在上采样时避免边界效应；接着预定义了一个双线性的核进行卷积操作；它是一个4D张量，其中每个元素都是一个2×2的张量，表示一个像素在上采样过程中如何分配其权重；然后使用pixel_shuffle方法进行上采样，将图像的高和宽分别放大2倍，并将图像两端的边缘像素删除以恢复原始大小；接着在经过8个卷积核为3×3、步幅为1、填充为1的八个卷积层，并且统一使用Relu作为激活函数；最后将使用pixel_shuffle方法进行上采样的输出结果与最终的输出结果添加跳跃连接，方便网络可以学到更多的信息；在初始化上采样生成器的权重和偏置中，对于卷积层，使用Kaiming初始化方法来初始化权重，这种方法可以考虑到Relu激活函数的非线性特性，以及网络深度对权重分布的影响；同时，将偏置初始化为0； 构建下采样生成器；在下采样生成器GD中，使用六个卷积层；其中第一层的卷积，卷积核为7×7、步幅为1；第二层的卷积，卷积核为5×5；第三层的卷积，卷积核为3×3；第四层和第五层卷积，卷积核为1×1、步幅为2；最后一层的卷积，卷积核为1×1；在初始化下采样生成器的权重和偏置中，对于卷积层，使用正态分布来初始化权重，这个分布的标准差是1sqrtn，其中n是输入特征的数量；这个初始化方法确保了每个神经元的输入分布具有相同的方差，从而提高了网络的稳定性；同时，将偏置初始化为0； 构建鉴别器；在鉴别器DD中，使用七个卷积层；其中第一层的卷积，卷积核为7×7、步幅为1，之后使用谱归一化技术来稳定训练；第二层到第五层的卷积，卷积核为1×1、步幅为1，之后同样使用谱归一化来稳定训练，接着使用批归一化，激活函数使用Relu函数；最后一层的卷积、卷积核为1×1、步幅为1、使用谱归一化来稳定训练；在初始化鉴别器的权重和偏置中，对于卷积层，使用Xavier初始化方法来初始化权重并用Sigmoid激活函数来输出0-1之间的值，表示真实图像合成图像的分类；在初始化，这种方法考虑了输入和输出特征的数量和大小，以确保网络的权重分布广泛；同时，将偏置初始化为0；对于批归一化层，使用正态分布来初始化权重，并将偏置设置为0； 12构建损失函数，训练上采样器和下采样的总损失函数为： Ltotal＝LGAN+λcycleLcycle+λinterLinter1 其中λ代表不同损失函数的权重；LGAN为下采样生成器对抗损失函数，Lcycle为周期一致性损失函数，Linter为二值化插值损失函数。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。