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！

龙图腾网获悉北京化工大学申请的专利一种通过图像数据处理产生多孔材料三维结构的方法及其应用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：CN121236299B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511783771.7，技术领域涉及：G06T17/00；该发明授权一种通过图像数据处理产生多孔材料三维结构的方法及其应用是由贺宇飞;侯伦;李晓娜;武冠东;李殿卿设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种通过图像数据处理产生多孔材料三维结构的方法及其应用在说明书摘要公布了：本发明涉及一种通过图像数据处理产生多孔材料三维结构的方法及其应用，属于三维重构、深度学习与材料表征交叉，解决了现有技术直接用于材料三维结构构建时存在的计算资源消耗大、功能割裂、仿真适配性差、数据依赖性强、角度特征局限等问题。本发明通过图像数据处理产生多孔材料三维结构的方法，包括如下步骤：步骤1：对二维图像进行筛选，获取符合信噪比和对比度的图像作为输入的微观图像样本，对输入的微观图像进行预处理，生成训练样本集；步骤2：构建算法的模型；步骤3：训练模型，包括判别器模型训练和生成器模型训练；步骤4：将样品图像输入训练好的模型，基于输出的三维概率体素结构得到对应的三维体素结构。

本发明授权一种通过图像数据处理产生多孔材料三维结构的方法及其应用在权利要求书中公布了：1.一种通过图像数据处理产生多孔材料三维结构的方法，其特征在于，包括如下步骤： 步骤1：对二维图像进行筛选，获取符合信噪比和对比度的图像作为输入的微观图像样本，对输入的微观图像进行预处理，生成训练样本集；所述对输入的微观图像进行预处理包括：对输入的微观图像进行二值化分割与数据增强； 步骤2：结合生成器与判别器网络参数优化，构建算法的模型； 步骤3：训练模型，包括判别器模型训练和生成器模型训练； 步骤4：将样品图像输入训练好的模型，基于输出的三维概率体素结构得到对应的三维体素结构； 步骤3中，判别器训练包括如下步骤： a.真实样本输入：取训练集的参考三维特征，输入判别器，得到真实样本的真实度概率； b.生成样本输入：生成器接收随机噪声向量与二维图像特征向量，生成假三维结构特征，输入判别器，得到生成样本的真实度概率； c.计算判别器损失： 其中，λ为特征匹配损失的权重系数，LD为判别器损失，N为批次大小，为判别器对第i个真实三维结构特征的真实度概率，为判别器对第i个生成器输出的假三维结构特征的真实度概率，为中间卷积层对真实三维结构特征提取的特征向量，为判别器中间卷积层对生成器输出的假三维结构特征提取的特征向量；L1为损失函数，计算两个输入特征的差异； d.反向传播与参数更新：固定生成器参数，对求导，采用Adam优化器更新判别器的卷积层与全连接层参数，学习率按调度策略调整； 生成器训练包括如下步骤： 1生成假样本：生成器再次接收随机噪声向量与二维图像特征向量，生成新的假三维结构特征； 2判别器打分：将输入判别器，得到判别器输出的真实度概率； 3计算生成器损失： 其中，LG为生成器损失，N为批次大小，为判别器对第i个生成器再次生成的假三维结构特征的真实度概率，λ为特征匹配损失的权重系数，L1为损失函数，计算两个输入特征的差异，为中间卷积层对真实三维结构特征提取的特征向量，为中间卷积层对假三维结构特征提取的特征向量，为结构一致性损失，计算生成结构与输入二维图像的孔隙率偏差，偏差越大损失越大，为权重，确保生成结构的孔隙率与输入图像匹配； 4反向传播与参数更新：固定判别器参数，对求导，更新生成器的参数，完成一轮训练。

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北京化工大学，其通讯地址为：100029 北京市朝阳区北三环东路15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。