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！

龙图腾网获悉杭州电子科技大学申请的专利基于深度神经网络的棋盘格状图像恢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：CN116188324B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202310249168.5，技术领域涉及：G06T5/60；该发明授权基于深度神经网络的棋盘格状图像恢复方法是由王旭;张靖群;刘瑞娟;张真诚;袁文强设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本基于深度神经网络的棋盘格状图像恢复方法在说明书摘要公布了：本发明提出了一种基于深度神经网络的棋盘格状图像恢复方法。首先，对数据集中的原始图像进行棋盘格状像素划分预处理，形成训练样本。之后，将其在所提出的一种深层神经网络中进行训练，来补齐棋盘格状图像生成恢复图像。训练结束后，只需将棋盘格状图像输入预训练好的模型，即可自动恢复高清图像。本发明剔除的深层神经网络主要采取卷积块串联策略，并结合了残差连接和密集连接两种方式获取高维图像特征，用来丰富补齐图像所需要的纹理信息。采用本发明，不仅可以实现棋盘格状图像的预测恢复，也可将其运用在可逆信息隐藏技术领域以提高嵌入效率。

本发明授权基于深度神经网络的棋盘格状图像恢复方法在权利要求书中公布了：1.一种基于深度神经网络的棋盘格状图像恢复方法，其特征在于，步骤如下： S1：将灰度图像数据集中的每张原始灰度图像进行棋盘格状划分，形成黑色像素和白色像素两类；将黑色像素全部置为0，白色像素保持不变，从而将灰度图像转换为棋盘格状图像，由单张灰度图像和对应的棋盘格状图像构成一个训练样本； S2：利用所述训练样本构成的数据集，通过像素级别损失函数对深度神经网络进行训练，得到棋盘格状图像恢复模型； 所述深度神经网络以棋盘格状图像为输入，以原始灰度图像为输出，网络中包含第一卷积层、第二卷积层、多个卷积模块、第四卷积层、第五卷积层和第六卷积层，且前后两个卷积模块之间通过密集网络连接；所述卷积模块中，前部分为级联有多个由卷积层加ReLU激活函数组成的单元结构，且每个单元结构之间带有残差连接和密集网络连接，后部分连接一个卷积层，卷积层的输出与卷积模块的原始输入进行元素位相加后作为卷积模块的最终输出；深度神经网络的输入图像首先通过第一卷积层和第二卷积层进行两次卷积特征提取，提取的特征图依次通过多个卷积模块进一步提取特征，然后将深度特征经过第四卷积层和第五卷积层后输出深层特征，深层特征通过残差连接的形式与先前得到的各浅层特征进行特征融合，融合特征最后输入卷积核为1×1的第六卷积层后得到深度神经网络最终输出的原始灰度图像； S3、将待恢复的棋盘格状图像输入棋盘格状图像恢复模型中，得到对应的原始灰度图像。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。