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！

龙图腾网获悉凌云光技术股份有限公司申请的专利一种高速成像方法、装置及电子设备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：CN115100430B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202210834487.8，技术领域涉及：G06V10/44；该发明授权一种高速成像方法、装置及电子设备是由方春钰;张雪丹;陈文;李锦程;霍剑设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本一种高速成像方法、装置及电子设备在说明书摘要公布了：本申请涉及高速成像技术领域，具体而言，涉及一种高速成像方法、装置及电子设备，可以解决现有技术中DeSCI算法的运算耗时长，不能够满足实时成像的需求的问题。高速成像方法包括：根据已知信息，确定初始信息，所述已知信息包括预先设定的掩膜矩阵和采集的压缩信号，所述初始信息基于所述掩模矩阵和采集到的压缩信号之间的关系获得；将所述初始信息输入至包括特征提取模块、及特征融合模块的端到端神经网络，得到用于信号重建的逆映射，所述逆映射为在大量所述已知信息的监督训练下，由所述端到端神经网络学习得到；基于所述逆映射，输出重建信息，所述重建信息由所述逆映射根据所述初始信息获取。

本发明授权一种高速成像方法、装置及电子设备在权利要求书中公布了：1.一种高速成像方法，其特征在于，所述方法包括： 根据已知信息，确定初始信息，所述已知信息包括预先设定的掩膜矩阵和采集的压缩信号，所述初始信息基于所述掩膜矩阵和采集到的压缩信号之间的关系获得，有利于在后续的步骤中进行信号重建； 将所述初始信息输入至包括特征提取模块、及特征融合模块的端到端神经网络，得到用于信号重建的逆映射；所述逆映射为在大量所述已知信息的监督训练下，由所述端到端神经网络学习得到，所述端到端神经网络包括依次堆栈的多个所述特征提取模块、及特征融合模块，所述特征提取模块用于提取特征，所述特征融合模块用于融合特征，所述逆映射根据所述特征提取模块及特征融合模块进行多次循环获取； 基于所述逆映射，输出重建信息；所述逆映射为压缩感知中的映射关系，所述重建信息由所述逆映射根据所述初始信息获取，所述重建信息即为最终输出的重建图像； 在所述将所述初始信息输入至包括所述特征提取模块、及特征融合模块的端到端神经网络，得到用于信号重建的逆映射步骤中，所述方法还包括： 将所述初始信息输入至所述特征提取模块，得到潜在特征，所述潜在特征由所述特征提取模块对所述初始信息进行提取获得； 基于所述特征融合模块，得到二维特征图，所述二维特征图由所述特征融合模块，根据所述潜在特征构建得到； 基于所述二维特征图，得到重建信息，以获取所述逆映射，所述逆映射是指将所述初始信息转化为所述重建信息的过程，基于大量所述已知信息，对多数端对端神经网络进行监督训练，获取所述逆映射； 在所述特征融合模块，得到二维特征图步骤中，所述方法还包括： 将所述潜在特征输入所述特征融合模块中，得到第一图块，根据所述潜在特征，划分出n个大小相同且相互重叠的所述第一图块； 根据所述第一图块，得到所述第一图块的图信息，所述图信息是指构建图结构所形成的信息，所述图结构并非图像，是一种数据结构，其由一系列节点信息和边信息构成，用于表征多对象之间的数据关系； 基于所述第一图块的所述图信息进行特征融合，得到所述第一图块的二维特征图，所述特征融合是指进行矩阵相乘； 在所述根据所述第一图块，得到每个所述第一图块的图信息步骤中，所述方法还包括： 依次对每个所述第一图块进行搜索，得到最为相似的k个其他图块，由于有n个第一图块，需要对n个第一图块中的每个均进行搜索，以得到与其最为相似的k个其他图块； 将所述第一图块及与其最为相似的k个所述其他图块作为节点，得到节点信息，所述节点信息是指由目标节点与相似节点构成的矩阵，所述目标节点是指所述第一图块，所述相似节点是指与其最为相似的k个所述其他图块； 根据所述节点信息，获取边信息，所述边信息即为所述节点与节点之间的关系； 根据所述图信息中的节点信息及边信息，构建图结构，得到图信息，在构建所述图结构时，由于具有n个所述第一图块，需要视n个不同的所述第一图块为所述目标节点，得到n个不同的图信息，所述图信息为矩阵形式。

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凌云光技术股份有限公司，其通讯地址为：100094 北京市海淀区翠湖南环路13号院7号楼7层701室；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。