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！

龙图腾网获悉西安交通大学申请的专利图像压缩感知重建方法、系统、设备及介质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：CN114742911B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210462697.9，技术领域涉及：G06T5/60；该发明授权图像压缩感知重建方法、系统、设备及介质是由侯兴松;李子昂设计研发完成，并于2022-04-28向国家知识产权局提交的专利申请。

本图像压缩感知重建方法、系统、设备及介质在说明书摘要公布了：本发明公开了一种图像压缩感知重建方法、系统、设备及介质，方法包括：利用预设的第一去噪器模型，对待处理的原始图像进行退化处理，得到退化后的图像；利用改进的基于深度学习的近似消息传递算法，对所述退化后的图像进行压缩重建处理，得到所述的图像压缩感知重建结果；其中，所述改进的基于深度学习的近似消息传递算法，为将基于深度学习的近似消息传递算法中的去噪器替换为预设的第二去噪器模型的算法；所述预设的第一去噪器模型和预设的第二去噪器模型均为基于图像先验建模的灰度图像高斯噪声去噪器网络模型；本发明利用去噪器的噪声统计分布以及去噪能力曲线对算法所用到的噪声区间进行了进一步的精细化划分，有效提升了的图像重建能力。

本发明授权图像压缩感知重建方法、系统、设备及介质在权利要求书中公布了：1.一种图像压缩感知重建方法，其特征在于，包括： 利用预设的第一去噪器模型，对待处理的原始图像进行退化处理，得到退化后的图像； 利用改进的基于深度学习的近似消息传递算法，对所述退化后的图像进行压缩重建处理，得到所述的图像压缩感知重建结果； 其中，所述改进的基于深度学习的近似消息传递算法，为将基于深度学习的近似消息传递算法中的去噪器替换为预设的第二去噪器模型的算法；所述预设的第一去噪器模型和预设的第二去噪器模型均为基于图像先验建模的灰度图像高斯噪声去噪器网络模型； 所述基于图像先验建模的灰度图像高斯噪声去噪网络模型包括若干级噪声模型；其中，每一级噪声模型包括第一卷积层、第一多尺度融合模块、第一监督注意力模块、第二多尺度融合模块、通道合并模块、第二监督注意力模块、第二卷积层、注意力模块、第一残差连接模块、第三卷积层及第二残差连接模块；其中，上一级噪声模型为下一级噪声模型的预处理模型，用于对下一级噪声模型进行微调训练； 第一卷积层，用于对含噪灰度图像进行卷积操作，得到初始特征图Fhead； 第一多尺度融合模块，用于对所述初始特征图Fhead进行特征提取，得到特征图Fm1； 第一监督注意力模块，用于对所述特征图Fm1进行特征校准，并改变通道数目，得到第一阶段去噪图像 第二多尺度融合模块，用于对所述特征图Fm1进行特征提取，得到特征图Fm2； 通道合并模块，用于对所述特征图Fm1及所述特征图Fm2进行通道合并处理，得到通道合并后的特征图Fm12； 第一监督注意力模块，用于对所述通道合并后的特征图Fm12进行特征校准，并改变通道数目，得到第二阶段去噪图像 第二卷积层，用于对所述通道合并后的特征图Fm12进行特征提取，得到特征图Fc2； 注意力模块，用于对所述特征图Fc2，进行通道及空间注意力特征提取，得到特征图Fcsa； 第一残差连接模块，用于对所述初始特征图Fhea和所述特征图Fcsa进行求和处理，得到特征图Fres1； 第三卷积层，用于对所述特征图Fres1进行特征提取，得到特征图Fc3； 第二残差连接模块，用于对所述含噪灰度图像与所述特征图Fc3进行求和处理，得到第三阶段去噪图像

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路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。