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 > 杭州电子科技大学叶学义获国家专利权

杭州电子科技大学叶学义获国家专利权

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!

龙图腾网获悉杭州电子科技大学申请的专利一种基于稳定场跳跃连接的GAN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:CN114693564B

龙图腾网通过国家知识产权局官网在2025-10-10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:202210439726.X,技术领域涉及:G06T5/00;该发明授权一种基于稳定场跳跃连接的GAN图像修复方法是由叶学义;曾懋胜;石悦;赵知劲;陈海颖设计研发完成,并于2022-04-25向国家知识产权局提交的专利申请。

一种基于稳定场跳跃连接的GAN图像修复方法在说明书摘要公布了:本发明公开了一种基于稳定场跳跃连接的GAN图像修复方法,将稳定场算子嵌入至跳跃连接中,利用稳定场算子对生成单元中编码器特征图的破损像素进行初步预测,再传递至解码器并输出生成图像。然后细化了损失的类型,重新定义损失函数为对抗损失、像素重构损失和金字塔损失来进一步指导网络的训练向正确的方向进行。本发明方法提升了破损图像修复的效果,在满足人类视觉感知需求的同时也能在一定程度上与原图相似。且经实验验证,该方法在人脸图像、自然场景图像和建筑图像上都达到了不错的修复效果。

本发明授权一种基于稳定场跳跃连接的GAN图像修复方法在权利要求书中公布了:1.一种基于稳定场跳跃连接的GAN图像修复方法,其特征在于,步骤如下: 步骤1.构建基于稳定场跳跃连接的生成对抗网络; 以掩膜来代替图像中的破损区域,生成单元以U-Net模型为基础结构,将稳定场算子嵌入到U-Net模型的跳跃连接中,将带有破损区域的图像作为生成单元的输入,利用稳定场算子对编码器特征图进行对破损区域的初步像素预测,并将破损区域完成像素预测的编码器特征图传递至解码器,并得到生成图像;判别单元由5层卷积层组成,对输入图像做二分类,负责对修复图像和原始图像的判别; 步骤2.构建生成对抗网络的损失函数; 对步骤1中得到的生成图像进行处理得到破损图像的修复结果,与原图计算像素重构损失;解码器特征图输出各尺度的图像与对应尺度的原图计算金字塔损失;同时作为判别单元的输入,输出判别结果并计算对抗损失,结合三种损失函数同时指导生成对抗网络下一步的训练向正确的方向进行,使得生成单元能生成更加逼真的修复图像,判别单元能进一步区分生成的修复图像和原图; 步骤3.通过训练好的生成对抗网络得到破损图像的修复结果; 步骤1.具体方法如下: 步骤1.1.生成单元由编码器、解码器和嵌入稳定场算子的跳跃连接组成,以掩膜代替图像中的破损区域,具体公式表达如下: Iinput=Io⊙1-M1式中,Io为原始图像,M为掩膜,⊙表示矩阵逐元素相乘; 将带有破损区域的图像输入到生成单元编码器中获得编码器特征图,通过稳定场算子,利用编码器特征图中的有效像素信息初步预测特征图中破损区域的像素信息,稳定场模型公式表达如下: LGr,ri=f2式中,L为线性微分算符,r为破损像素点,ri为有效像素点,Gr,ri定义为有效像素点对破损像素点的影响函数,为破损区域提供能量的已知区域定义为场源f; 步骤1.2描述图像纹理的函数Ir定义为: 式中,I0ri为ri点的点源强度即像素值,n为参与计算的有效像素点的个数;式3说明了破损像素点的值可以表示为对其有影响的所有有效像素点像素值与影响函数乘积之和,所述的有效像素点包括已知像素点和完成恢复的像素点,距离较远的有效像素点对缺失像素点产生的影响可忽略不计,式3中取n=20,即利用破损像素点r周围的20个点的像素信息来完成对r的像素预测; 步骤1.3.从方向导数的角度定义单个点ri对r的影响因子gr,ri,如式4所示: 式中,为ri与r之间的距离,表示ri点像素的梯度,θ为梯度和向量的夹角,ε的作用是为了防止分母为0; 步骤1.4.考虑r周围所有有效像素点的影响因子并进行归一化计算,公式表达如下: 式中,式3得到求解; 利用式3完成对r的填充后再对临近r的破损区域中的像素进行填充,但此时r已经从破损像素点变为有效像素点,以此类推重复步骤1.2至步骤1.4逐步完成破损区域全部像素点的填充,获得完成破损区域像素初步预测的特征图; 步骤1.5.将步骤1.4中完成破损区域像素初步预测的特征图通过跳跃连接传递至对应的解码器中,实现在解码器特征图上的通道融合,使得解码器的上采样计算能够利用编码器中的原始信息和稳定场算子的初步预测信息; 步骤1.6.解码器输出生成图像; 步骤1.7.判别单元由5层卷积层组成,对输入图像做二分类,负责对修复图像和原图的判别。

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”。

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。