Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华南理工大学徐雪妙获国家专利权

华南理工大学徐雪妙获国家专利权

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!

龙图腾网获悉华南理工大学申请的专利一种基于不同破损类型的旧照片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:CN117173043B

龙图腾网通过国家知识产权局官网在2025-09-23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:202311084073.9,技术领域涉及:G06T5/77;该发明授权一种基于不同破损类型的旧照片修复方法是由徐雪妙;蔡微微;张怀东设计研发完成,并于2023-08-25向国家知识产权局提交的专利申请。

一种基于不同破损类型的旧照片修复方法在说明书摘要公布了:本发明公开了一种基于不同破损类型的旧照片修复方法,包括:构建旧照片缺陷检测数据集和旧照片修复数据集;提出多任务旧照片缺陷检测网络和旧照片修复网络,旧照片修复网络由ScrathNet和PatchNet组成,提出裂痕和块状破损特征融合方法,即分层级地将ScrachNet的输出结果和PatchNet的编码器融合,使得PatchNet获得更加丰富的上下文参考信息。本发明能够对复杂且不同破损类型旧照片进行修复,并得到较好效果。

本发明授权一种基于不同破损类型的旧照片修复方法在权利要求书中公布了:1.一种基于不同破损类型的旧照片修复方法,其特征在于,包括以下步骤: S1、收集旧照片数据,并通过标注和修图,得到旧照片检测数据集和旧照片修复数据集; S2、通过步骤S1获得的旧照片检测数据集,训练一个多任务旧照片缺陷检测网络,该多任务旧照片缺陷检测网络为生成对抗网络,由一个编码器和三个解码器组成,该三个解码器分别用于裂痕区域检测、块状缺失区域检测和整体缺失区域检测,输出旧照片的三种类型缺陷掩码,分别为裂痕掩码、块状缺失掩码和整体缺失掩码,通过所述多任务旧照片缺陷检测网络能够得到旧照片的三种类型缺陷掩码,实现旧照片不同破损类型缺陷定位; S3、通过步骤S1获得的旧照片修复数据集和步骤S2获得的旧照片三种类型缺陷掩码:裂痕掩码Ms、块状缺失掩码Mp、整体缺失掩码Ma,训练针对不同破损类型的旧照片修复网络,该旧照片修复网络由ScratchNet和PatchNet组成,所述ScratchNet负责旧照片裂痕区域修复,其使用分别由3×3、5×5、7×7不同尺度卷积核构成的多分支部分卷积模块实现多尺度裂痕图像补全,通过所述ScratchNet得到对裂痕区域修复好的不同尺度的结果,并将不同尺度的结果分层级地融合入PatchNet,所述PatchNet负责旧照片图像块状缺失的修复,其采用Transformer模块作为基本单元,在编码阶段,其使用Non-localInpaintingAttentionModule代替原Multi-attentionModule,能够利用全局信息对块状区域做补全,在解码阶段,其使用Mask-awareInstanceNorm代替原Transformer模块中的LayerNorm,使得需要修复的前景区域和背景区域风格一致,所述PatchNet的编码阶段和解码阶段采用U-Net方式连接,最后,经过和谐化的旧照片图像特征输入3×3卷积模块,得到最终的旧照片修复结果; 其中,训练针对不同破损类型的旧照片修复网络,首先将旧照片图像乘以1-Mp,覆盖住块状缺失区域,再以Concatenation的方式融合Ms,保留裂痕区域的上下文信息,然后将融合后的结果输入到第一孪生编码器,由三通道图像变换到多通道特征,实现高维特征提取,将该高维特征和Ms输入到ScratchNet,所述ScratchNet由四个Multi-branchPartialConvolution构成,能够学习局部区域知识,适用于修复不同尺寸的裂痕问题,且在ScratchNet内部,采用跳跃连接的方式减少信息丢失,最终通过ScratchNet得到四个不同尺度的裂痕区域修复结果。

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华南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。