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！

龙图腾网获悉上海致宇信息技术有限公司申请的专利一种基于深度学习的文档图像二值化方法及系统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：CN120411982B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510907399.X，技术领域涉及：G06V30/162；该发明授权一种基于深度学习的文档图像二值化方法及系统是由刘泽旭;李华盛;杨词慧;魏海波;邹伟军设计研发完成，并于2025-07-02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文档图像二值化方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的文档图像二值化方法及系统，所述方法包括：获取二值化文档图像数据；构建由卷积切割提取模块、Transformer编码器模块、Transformer解码器模块和级联残差上采样模块顺序级联构成的基于深度学习的文档图像二值化模型，通过将数据依次流经各模块，实现特征提取、编码、解码与高分辨率二值化重建，以输出二值化结果文档图像；将获取的二值化文档图像数据输入所述文档图像二值化模型，得到二值化结果文档图像。本发明提供的方法及系统，可针对不同场景下通过拍照或扫描获取的文档图像进行高效处理，最终生成高精度的二值化文档图像。

本发明授权一种基于深度学习的文档图像二值化方法及系统在权利要求书中公布了：1.一种基于深度学习的文档图像二值化方法，其特征在于：所述方法包括： 获取二值化文档图像数据； 对获取的二值化文档图像数据进行标注生成标签图像；将所述二值化文档图像数据与对应标签图像组合，构建第一二值化文档图像数据集；对所述第一二值化文档图像数据集进行预处理,具体步骤包括： 步骤S11；设置迭代变量k，图像迭代变量k的初始值设为1；设置图像切割步长λ和随机块大小p，其中； 步骤S12；读取第一二值化文档图像数据集中的第k张图像和其对应的标签图像，令表示第一二值化文档图像数据集中的第k张图像的高度，令表示第一二值化文档图像数据集中的第k张图像的宽度； 步骤S13；设置纵向迭代变量h,纵向迭代变量h的初始值设置为1； 步骤S14；令表示纵向滑动切割的纵坐标，采用如下的公式计算： 步骤S15；纵向迭代变量h的值增加1，如果，则跳转至步骤S15；否则，在第一二值化文档图像数据集中的第k张图像和其对应的标签图像的下边界向下扩充纵向填充区域M，得到宽为、高为的纵向填充图像和其对应的纵向标签填充图像，纵向填充区域M的灰度值为255，其高度和宽度采用如下的公式计算： 步骤S16；设置横向迭代变量w,横向迭代变量w的初始值设置为1； 步骤S17；令表示横向滑动切割的横坐标，采用如下的公式计算： 步骤S18；横向迭代变量w的值增加1，如果，则跳转至步骤S18；否则，在纵向填充图像和其对应的纵向标签填充图像的右边界向右扩充横向填充区域N，得到宽为、高为的填充图像和其对应的标签填充图像，横向填充区域N的灰度值为255，其高度和宽度采用如下的公式计算： 步骤S19；根据图像切割步长λ对宽为、高为的填充图像和其对应的标签填充图像进行切割，得到一组切割块和一组其对应的标签切割块，切割块和标签切割块分别包含张图像，图像大小为λ×λ； 步骤S110；根据随机块大小p对切割块和其对应的标签切割块中的每一张图像进行一次随机块提取，在大小为λ×λ的切割块中随机提取大小为p×p的提取块，将所有提取到的提取块及其标签提取块分别加入到提取块和其对应的标签提取块； 步骤S111，将提取块和标签提取块组合并加入到第二二值化文档图像数据集； 步骤S112，将迭代变量k的值增加1，如果k≤n，则跳转至步骤S12； 构建由卷积切割提取模块、Transformer编码器模块、Transformer解码器模块和级联残差上采样模块顺序级联构成的基于深度学习的文档图像二值化模型，通过将数据依次流经各模块，实现特征提取、编码、解码与高分辨率二值化重建，以输出二值化结果文档图像； 将待分割文档图像输入所述文档图像二值化模型，得到二值化结果文档图像。

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上海致宇信息技术有限公司，其通讯地址为：200433 上海市杨浦区邯郸路100号61号楼222室；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”。