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！

龙图腾网获悉复旦大学申请的专利一种基于线框和边缘结构的增量式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：CN114399436B 。

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：202111598280.7，技术领域涉及：G06T5/77；该发明授权一种基于线框和边缘结构的增量式图像修复方法是由付彦伟;曹辰捷;董巧乐设计研发完成，并于2021-12-24向国家知识产权局提交的专利申请。

本一种基于线框和边缘结构的增量式图像修复方法在说明书摘要公布了：本发明涉及一种基于线框和边缘结构的增量式图像修复方法，包括：获取场景数据图片；构建适应于下游任务的遮掩图层来进行模型训练；构建结构恢复模型并对其进行训练；构建线框结构上采样网络并对其进行训练；若遮掩图像的分辨率大于256×256，利用结构上采样网络将256×256的修复线框和边缘结构上采样到和遮掩图像同分辨率；将修复的线框和边缘信息输入结构特征编码器获取结构特征；根据遮掩图层获取遮掩位置编码；构建图像修复网络并对其进行训练；模型训练结束后，进行图像修复。与现有技术相比，本发明具有图像修复效果好、适应性强等优点。

本发明授权一种基于线框和边缘结构的增量式图像修复方法在权利要求书中公布了：1.一种基于线框和边缘结构的增量式图像修复方法，其特征在于，所述的图像修复方法包括： 步骤1：获取场景数据图片； 步骤2：构建适应于下游任务的遮掩图层来进行模型训练； 步骤3：构建结构恢复模型并对其进行训练； 步骤4：构建线框结构上采样网络并对其进行训练； 步骤5：若遮掩图像的分辨率大于256×256，利用结构上采样网络将256×256的修复线框和边缘结构上采样到和遮掩图像同分辨率； 步骤6：将修复的线框和边缘信息输入结构特征编码器获取结构特征； 步骤7：根据遮掩图层获取遮掩位置编码； 步骤8：构建图像修复网络并对其进行训练； 步骤9：模型训练结束后，进行图像修复； 所述的步骤8具体为： 将遮掩位置编码和结构特征注入图像修复网络进行图像修复训练，注入结构特征以及遮掩位置编码的前传过程为： X1＝ReLUBNConv2dX0 X2＝ReLUBNConv2dX1+α×P+α0×S0 Xi+1＝ReLUBNConv2dXi+αi-1×Si-1,i＝2,3 X5＝FFCBlockX4+α3×S3 Xi+1＝ReLUBNConv2dXi,i＝7,8,9 其中，α,α0,α1,α2,α3均为初始化为0的可训练参数；为网络恢复的图像；Conv2d为二维卷积算子；FFCBlock为傅里叶残差块； 快速傅里叶卷积块FFC的前传过程： Xl,Xg＝SplitX X″′g＝Conv2dX″g+Conv2dXl Xo＝ReLUBNConcatConv2dX,X″′g 其中，X为输入特征；Split表示沿着通道维度切分张量的操作；FFT2d为二维快速傅里叶变换；InvFFT2d表示二维逆快速傅里叶变换；Concat表示沿着通道维度拼接张量的操作；Xo为最后的输出特征； FFCBlock的前传过程为： X′＝X+FFCFFCX； 所述的图像修复网络的损失函数包括： L1损失函数： 其中，⊙表示逐元素的乘法； 对抗损失函数： 其中，D表示判别器网络；为梯度惩罚损失； 特征匹配损失函数： 其中，Di为判别器网络D的第i层；Ni是第i层的总的神经元个数； 感知损失函数： 最终，结构修复模型的损失函数为： 其中，λL1、λadv、λfm和λhrf分别为L1损失函数、对抗损失函数、特征匹配损失函数和感知损失函数的权重。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。