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！

龙图腾网获悉东北大学申请的专利基于混合语义的双流图像重建系统及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：CN114972942B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202210520908.X，技术领域涉及：G06V10/80；该发明授权基于混合语义的双流图像重建系统及方法是由雷为民;梁辉;赵莹月;张伟;陈新怡设计研发完成，并于2022-05-13向国家知识产权局提交的专利申请。

本基于混合语义的双流图像重建系统及方法在说明书摘要公布了：本发明提供一种基于混合语义的双流图像重建系统及方法，所述系统包括低级特征提取模块、高级语义特征提取模块、混合特征流模块、低级特征流模块、重建模块；设计混合特征流支路和低级特征流支路搭建重建网络，采用双特征流网络设计可以保证语义信息和结构信息更好地用于图像重建，其中混合特征流支路输出混合语义信息特征图，低级特征流支路输出结构信息特征图；低级特征流支路采用可变形卷积模块提取特征，利用可变形卷积可以自适应改变感受野，从而捕获一些重要的信息；为了加强特征的传播和重用，采用特征融合技术concat操作和add操作；本发明方法可以重建出质量较好的图像，且重建的图像会保留完整的结构信息和语义信息。

本发明授权基于混合语义的双流图像重建系统及方法在权利要求书中公布了：1.一种基于混合语义的双流图像重建系统，其特征在于，包括：低级特征提取模块、高级语义特征提取模块、混合特征流模块、低级特征流模块、重建模块； 所述低级特征提取模块用于根据边缘检测算法提取图像的边缘特征作为低级特征； 所述高级语义特征提取模块用于根据变分自编码器和重参数化方法提取图像的高级语义特征； 所述低级特征流模块用于根据低级特征重建图像特征x′out； 所述混合特征流模块用于根据低级特征和高级语义特征重建图像特征xnout； 所述重建模块用于根据特征x′out、xnout重建图像； 基于混合语义的双流图像重建系统采用以下方法实现图像重建，包括： 步骤1：获取图像X，对图像X进行预处理得到像素为N*N的待重建图像x； 步骤2：将待重建图像x送入低级特征提取模块，提取图像的低级特征l； 步骤3：将待重建图像x送入高级语义特征提取模块，提取图像的高级语义特征h； 步骤4：将步骤2提取到的低级特征l和步骤3提取到的高级语义特征h送入混合特征流模块，提取用于重建图像的特征xnout； 步骤4.1：将低级特征l送入可变形卷积，进行平均池化得到渐进式块G1的部分输入x0； 步骤4.2：将高级语义特征h输入第一个全连接层中，获得一组仿射变换参数α0和β0； 步骤4.3：将低级特征l进行下采样操作得到与x0同维度的l0，然后将x0与l0进行特征融合concat操作得到融合特征图[l0,x0]； 步骤4.4：将[l0,x0]和仿射变换参数α0和β0送入第一个渐进式块G1得到输出特征图x1； 步骤4.5：将x0与输出特征图x1进行特征融合得到融合特征图x1out； 步骤4.6：获取前一个渐进式块Gi-1输出的特征图xi-1；将所述低级特征l进行下采样操作，得到与xi-1同维度的li-1；将所述高级语义特征h输入第i个全连接层中，获得一组仿射变换参数αi-1和βi-1； 步骤4.7：沿着重建网络的深度方向，将特征图xi-1和低级特征li-1进行特征融合concat操作得到融合特征图[li-1,xi-1]，再将融合特征图[li-1,xi-1]和仿射变换参数αi-1和βi-1送入第i个渐进式块Gi中，得到输出特征图xi，将输出特征图xi和前一个渐进式块Gi-1的融合特征图xi-1out进行特征融合add操作，得到融合特征图xiout； 步骤4.8：令i加1，重复执行步骤4.6～步骤4.7，得到融合n-1次后的特征图xnout，其中n＝log2N-1； 步骤5：将步骤2提取到的低级特征l送入低级特征流模块，提取用于重建图像的特征x′out； 步骤6：将特征xnout和x′out送入重建模块，输出重建图像

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。