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！

龙图腾网获悉湖北工业大学申请的专利低采样率下基于条件生成对抗网络的计算鬼成像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：CN115423722B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211180848.8，技术领域涉及：G06T5/60；该发明授权低采样率下基于条件生成对抗网络的计算鬼成像方法是由冯维;周世奇;孙星宇;易永聪;赵大兴;谢博娅;翟中生设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本低采样率下基于条件生成对抗网络的计算鬼成像方法在说明书摘要公布了：本发明公开了低采样率下基于条件生成对抗网络的计算鬼成像方法，本发明能够挖掘恶劣环境或低采样率下图像的内部特征，通过在传统自动编码器算法的基础上进一步改进和优化，可有效解决低采样下重构图像的成像质量和成像速度问题。本发明与传统的CGI、CSCGI、CNN‑CGI、DCAN‑CGI和DGI方法相比，在低采样率下，可以更快地重建出目标图像，并且图像的PSNR和SSIM均有明显提升，能够有效滤除背景散斑，通过实际物理实验，进一步验证了本方法的可行性。在保证重构图像质量的前提下，利用GPU多核并行运算的高效率，能同时极大地缩短神经网络的训练时间和目标物体重建时间，对工程应用具有重要意义。

本发明授权低采样率下基于条件生成对抗网络的计算鬼成像方法在权利要求书中公布了：1.低采样率下基于条件生成对抗网络的计算鬼成像方法，其特征在于，包括如下步骤： 步骤一，获取数据集； 步骤二，对所述数据集进行重构，得到重构后的数据集；所述重构后的数据集包括训练集、测试集和验证集； 步骤三，将所述训练集输入到CGAN中，通过生成器中的向前卷积运算和判别器中的反卷积运算，对隐藏层进行压缩，并在输出层中解压缩得到实际输出结果； 步骤四，通过反向传播算法，计算所述实际输出结果与理想输出间的误差； 步骤五，利用所述实际输出结果与所述重构后的数据集中对应的原图，通过反向传播算法传递误差减小误差，得到CGANCGI模型； CGANCGI模型中生成器的网络结构如下： 生成器网络模型采用U型网络结构，通过零填充层、四个下采样卷积模块组成的编码器和四个上采样卷积模块组成的解码器来重建原始图像，编码器中下采样卷积模块由卷积层、归一化层和激活函数层组成；解码器中上采样卷积模块还应用了dropout层来防止过拟合问题以获得更好的重建结果；首先，将一定大小的图像作为输入，通过一个零填充层进行放大，然后图像被下采样卷积模块连续压缩，以增加图像的通道数并提取图像特征；之后，将所得到的特征图通过上采样卷积模块逐渐恢复空间分辨率并增加输出图像大小；最后通过一层卷积层将放大后的图像恢复到输入图像的大小； 其中，激活函数层为Leaky ReLU； CGANCGI模型中判别器的网络结构如下： 网络总体结构采用CNN卷积网络，该网络前四部分是由卷积层、归一化层以及激活函数层交替组成的卷积模块构成，最后通过全连接层来映射输出；在每一卷积模块中，首先卷积层是实现不同尺度下的特征提取；其次添加归一化层，用来加快网络的特征映射能力并作为正则化器；最后使用Leaky ReLU激活函数，预防训练中梯度消失的问题； 步骤六，利用所述CGANCGI模型对重构后的数据集中部分测试集中的图像输入CGAN中进行预测，得到预测后的CGI图像，并通过验证集进行验证。

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湖北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路28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。