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一种基于深度学习的灰度图反量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：CN117934276B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410066845.4，技术领域涉及：G06T3/4053；该发明授权一种基于深度学习的灰度图反量化方法是由计忠平;周铖沁;王兴起设计研发完成，并于2024-01-17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灰度图反量化方法在说明书摘要公布了：本发明针对现有的图像修复模型中，需要进行大量冗余的训练，对计算资源消耗过大，训练得到的模型所包含的特征权值不够全面，且是三通道的RGB图像，会干扰对图形中的一些三维信息的特征捕捉的技术问题。提出的一种基于深度学习的灰度图反量化方法，是将深度学习模型和基于图像的三维重建问题相结合的快速反量化方法。本发明通过将利用深度学习得到的简化超分辨率修复模型和三维重建相结合的方法，将图像中物体缺失的维度信息，通过特征通道，用深度学习的方法进行高效修复。

本发明授权一种基于深度学习的灰度图反量化方法在权利要求书中公布了：1.一种基于深度学习的灰度图反量化方法，其特征在于，包括以下步骤： 步骤一：获取能反眏待修复物体的高度的高度灰度图像； 步骤二：数据预处理；将所述高度灰度图像图片中，去除待修复物体之外的背景，保留所述待修复物体的灰度图像，得到灰度图像； 步骤三：构建基于基于分组多尺度自注意力和加速自注意力计算的图像修复网络模型，用3×3的卷积操作提取所述灰度图像中的浅层特征； 步骤四：用一组级联的分组自注意力计算模块提取所述灰度图像中的深层特征； 步骤五：利用所述浅层特征和所述深层特征，经过重构得到对应待修复物体的高度图; 所述步骤四包括以下步骤： 步骤41：局部特征提取：输入经过步骤3提取得到的浅层特征，先进入一个平移卷积层然后到一个ReLU层激活，最后再经过一个平移卷积层； 所述平移卷积层由一组平移操作和一个1×1卷积组成；首先将所述所述平移卷积层的输入特征平均分成五组，沿着上、下、左、右的空间维度移动其中的四组特征，另一组保持不变，得到提取后的特征图谱； 步骤42：分组多尺度自注意力计算： 先对所述提取后的特征图沿着对角线方向进行循环移位操作，得到循环移位后的特征图； 将所述循环移位后的特征图作为输入，进行SA值的计算： 将所述特征图进行两次1×1卷积的批量标准化，将其中一个的结果进行两次重新成形为和，再相乘得到1，另一个的结果进行一次重新成形得到2，然后将1和2进行相乘得到结果，最后把再次重新成形得到最终的SA值的输出结果；即最后得到模型所输出的图像间依赖关系； 所述SA值的计算是级联的过程，将上一个SA计算过程中其中一个进行两次卷积操作和一次重成形操作计算得到的结果直接和本次SA计算结果进行一次卷积和重成形的结果进行相乘，得到新的SA值，使得前一个模块计算得到的注意力图可以直接被后续模块复用，直接得到计算结果SA； 将所述的循环移位的计算得到的特征图沿着对角线基于所述图像间依赖关系，进行反向的移位操作得到原始特征图顺序的最终结果。

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 浙江省杭州市钱塘区白杨街道2号大街1158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”。