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！

龙图腾网获悉南京航空航天大学申请的专利基于并行可变形卷积网络的γ光子工业重建图像质量增强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：CN119379550B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411526654.8，技术领域涉及：G06T5/60；该发明授权基于并行可变形卷积网络的γ光子工业重建图像质量增强方法是由王明;赵敏;姚敏;郭瑞鹏设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本基于并行可变形卷积网络的γ光子工业重建图像质量增强方法在说明书摘要公布了：本发明公开了一种基于并行可变形卷积网络的γ光子工业重建图像质量增强方法，包括以下步骤：将含有复杂噪声的γ光子工业检测图像输入构建的去噪模型中，去噪模型由卷积模块和自适应特征融合模块组成。其中，卷积模块分别为初始卷积块、扩张卷积块和可变形卷积块。将初始卷积块、扩张卷积块和可变形卷积块建立成并行网络，利用扩张卷积块和可变形卷积块感受野大小的不同，对γ光子工业图像的全局特征信息进行充分的捕捉，初始卷积块对局部特征信息进行捕捉。再通过自适应特征融合模块将局部特征和全局特征信息结合，有效处理γ光子工业图像中噪声和纹理细节的差异。输出高质量的重建图像，提高γ光子工业检测成像的能力。

本发明授权基于并行可变形卷积网络的γ光子工业重建图像质量增强方法在权利要求书中公布了：1.一种基于并行可变形卷积网络的γ光子工业重建图像质量增强方法，包括以下步骤： 步骤1：将经过有序子集最大期望值法OSEM得到的原始γ光子工业重建图像作为输入； 步骤2：经卷积模块进行工业重建图像全局特征和局部特征的学习； 1卷积模块主要由三个并行的网络分支组成，三个网络分支的第一层分别由初始卷积核、扩张卷积核、可变形卷积核和激活函数ReLU组成，以生成初始的全局和局部特征信息图； 2第二层到第五层分别由初始卷积核、扩张卷积核、可变形卷积核和激活函数、批量归一化组成，以提高网络分支的非线性表达能力，得到更精细复杂的噪声和纹理细节特征图； 3每个网络支路最后经32个大小为3×3的卷积核输出特征信息图； 步骤3：将全局特征和局部特征信息输入自适应特征融合模块中，自适应特征融合模块包含全局特征融合块和局部特征融合块，融合不同区域重建图像中噪声和纹理细节的差异，以提高模型恢复重建图像细节的能力，具体如下： 1将卷积模块输出的全局和局部特征信息中的局部特征信息F1经全局特征融合模块的注意力融合，得到融合后的全局特征信息图F′，操作如下： 将全局特征信息F2进行线性映射后，与局部特征信息F1相乘；再通过激活函数和归一化得到对应的权重ω，对应的权重ω与局部特征信息F1加权求和后得到新的特征信息图F′，再将新的特征信息图进行线性映射，与全局特征信息图F2相加，得到融合后的全局特征信息图F′ 2将卷积模块输出的全局和局部特征信息中的局部特征信息F2经局部特征融合模块的注意力融合，得到融合后的局部特征信息图F′，操作如下： 将局部特征信息F1进行线性映射后，与全局特征信息F2相乘；再通过激活函数和归一化得到对应的权重ωF′，对应的权重ωF′与全局特征信息F2加权求和后得到新的特征信息图F′2，再将新的特征信息图进行线性映射，与局部特征信息图F1相加，得到融合后的局部特征信息图F′1； 步骤4：自适应特征融合模块的输出再经大小为1×1的向量卷积运算Conv得到高质量的γ光子工业重建图像。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市御道街29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。