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一种基于稀疏优化算法启发神经网络的图像分割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：CN119559388B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411438221.7，技术领域涉及：G06V10/26；该发明授权一种基于稀疏优化算法启发神经网络的图像分割方法是由王丽平;胡志杰;宋俊贤;毕辉设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本一种基于稀疏优化算法启发神经网络的图像分割方法在说明书摘要公布了：本发明公开了一种基于稀疏优化算法启发神经网络的图像分割方法，首先构建稀疏特征图像分割问题的数学优化模型；其次，使用近似点算法ProximalPointAlgorithm,PPA求解数学优化模型，并根据算法构造神经网络模块，即PPA模块；然后使用PPA模块搭建利用稀疏特征解决图像分割问题的U字型神经网络；接着划分训练集，设计损失函数，完成神经网络训练；最后输入图像，使用训练好的神经网络完成图像分割。本发明在近似点算法的启发下设计神经网络，不仅为神经网络结构赋予数学意义下的可解释性，而且在面对具备稀疏特征的图像分割任务时，可以在减少网络模型参数量的同时提升分割效果，实现更精准的分割。

本发明授权一种基于稀疏优化算法启发神经网络的图像分割方法在权利要求书中公布了：1.一种基于稀疏优化算法启发神经网络的图像分割方法，其特征在于，包含如下步骤： 步骤1，针对具有稀疏特征的图像x分割问题建模，构建l1范数最小化的数学优化模型： 其中，Fx表示对图像x施加一个可学习的非线性变换F·；‖‖Fx‖‖1表示Fx的l1范数，要求变换后的图像Fx具备稀疏性； 步骤2，采用PPA求解数学优化模型，在PPA迭代格式指导下搭建N个神经网络模块，即N个PPA模块，N为奇数； 步骤2.1，对于数学优化模型，使用PPA对其迭代求解； 步骤2.1.1，通过次梯度下降算法构造迭代公式求解，第k步迭代的过程隐式地表达为如下优化问题的求解过程： 其中，xk表示第k步迭代的输入，xk+1表示第k步迭代的输出；y是优化问题中的自变量，λ为预设的的权重参数； 步骤2.1.2，根据数据统计分析进一步等价转换，得到包含最小化问题的隐式迭代表达式，如下： 其中，θ为预设的权重参数； 步骤2.1.3，对隐式迭代表达式当中的最小化问题直接使用PPA求解，得到如下的迭代表达式： Fxk+1＝proxFxk＝sgnFxk·max|Fxk|-θ,0 其中，prox·表示近似点算子；sgn·表示符号函数，|·|是取绝对值运算，max·,·为取最大值运算； 步骤2.1.4，对结果Fxk+1求逆，得到其中，是F·的逆运算； 步骤2.2，根据公式构造N个神经网络模块，即N个PPA模块，单个PPA模块的构造步骤如下： 步骤2.2.1，将3*3的卷积层、批标准化处理、修正线性单元、3*3的卷积层依次排列，构成F·； 步骤2.2.2，构建逆运算其结构和F·相同； 步骤2.2.3，严格按照数学表达式proxFxk＝sgnFxk·max|Fxk|-θ,0构建近似点算子prox·，Fxk是该运算的输入； 步骤2.2.4，将F·、prox·、按照先后顺序依次排列，形成PPA模块，该先后顺序与公式当中的各运算优先级的高低保持一致；各运算的优先级从xk开始，由近向远依次降低； 步骤3，使用PPA模块搭建利用稀疏特征解决图像分割问题的U字型神经网络； 步骤4，随机划分训练集，设计损失函数并训练U字型神经网络，得到训练好的U字型神经网络； 步骤5，将待分割的图像输入至训练好的U字型神经网络进行分割，得到其分割概率图，然后将分割概率图进行图像二值化处理，得到最终的分割结果。

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：213300 江苏省常州市溧阳市滨河东路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”。