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！

龙图腾网获悉南开大学申请的专利一种可解释的深度压缩感知图像重构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：CN115908216B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202211487389.8，技术领域涉及：G06T5/50；该发明授权一种可解释的深度压缩感知图像重构方法是由孙桂玲;南瑞丽;张莹钰;张彭晨设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种可解释的深度压缩感知图像重构方法在说明书摘要公布了：本发明属于信号处理和深度学习技术领域，具体涉及一种应用于压缩感知的自然图像重构方法。针对如何实现自然图像的稀疏采样与高质量重构这一问题，本发明提出了一种基于近端梯度下降的可解释性深度压缩感知图像重构模型。该模型由自适应采样、初始化重构和深度重构三部分子网络组成，采样网络实现图像的自适应采样；初始化重构利用测量矩阵的转置矩阵实现图像的初始化重构；深度重构基于近端梯度下降与注意力机制，构建了基于优化的阶段性网络结构，模型的构建同时实现了图像的自适应采样与端到端映射。实验结果表明，本发明提出的基于近端梯度下降的可解释性深度压缩感知图像重构方法，可以在保持重构速度的同时，提升图像的重构质量。

本发明授权一种可解释的深度压缩感知图像重构方法在权利要求书中公布了：1.一种可解释的深度压缩感知图像重构方法，包括如下步骤： 1数据集获取：在自然图像数据集Set91中，随机提取大小的图像块，数据集记作 2参数设置：采样率Cr、最大训练次数epoch、一次训练所选取样本数batch_size、学习率Lr、步长ρ、权重因子β、χ； 3自适应采样：利用卷积实现自适应采样，被替换为M个大小的卷积核，卷积核通道为1，并对其值增加二值约束，基于y＝Φx即得到测量值y； 4初始化重构：基于x＝ΦTy，采用采样矩阵的转置卷积实现图像的初始化重建，利用N个1×1大小的卷积核，卷积核通道为M，对卷积后获得1×1×N的张量进行PixelShuffle操作，即得到 5深度重构：将输入深度重构网络，经Ns个子阶段输出，得到基于近端梯度下降构建多阶段重构网络，同时设计子阶段网络实现基于卷积的近端映射，在深度重构网络中，涉及tk、zk、rk、四个模块，分别对应了迭代更新与近端映射； 6损失函数：重构网络的端到端损失函数由三部分组成：基于L2正则化，利用均方误差构建差异性损失函数描述重构图像与原始图像间的差距；引进结构相似性指数，注意图像的局部结构变化，构建损失函数描述重构图像与原始图像间的相似性；为最大限度保证初始重构图像质量，对测量矩阵添加正交化约束，即ΦΦT＝I，构建损失函数总损失函数由权重因子β、χ加权构建，其中，β设置为0.05、χ设置为0.01； 7训练：判断是否到达最大epoch值，未达到则进行误差反向传递，利用自适应学习率优化算法Adam更新权值，达到则保存网络参数，结束训练； 8测试：将基准数据集图像输入训练好的深度重构网络，得到重构图像，并通过计算原始图像与重构图像间的峰值信噪比、结构相似性衡量重构质量。

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开大学，其通讯地址为：300371 天津市南开区卫津路94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。