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！

龙图腾网获悉河南大学申请的专利一种基于自适应卷积的退化文档图像二值化方法和系统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：CN119444582B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411493584.0，技术领域涉及：G06T5/40；该发明授权一种基于自适应卷积的退化文档图像二值化方法和系统是由王光辉;刘孟辉;申凌峰;左方设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于自适应卷积的退化文档图像二值化方法和系统在说明书摘要公布了：本发明公开一种基于自适应卷积的退化文档图像二值化方法和系统，该方法包括：步骤一：收集训练退化文档图像，对训练退化文档图像和对应的二值化标签图进行预处理；步骤二：将退化文档图像的预输入图像输入到自适应卷积网络模型中，得到退化文档图像的二值化图像；步骤三：计算得到对抗损失、分类损失、相似性损失、杰卡德相似系数损失和平均绝对值误差；步骤四：优化自适应卷积网络模型参数，得到最优自适应卷积网络模型；步骤五：将目标退化文档图像的预输入图像输入到最优自适应卷积网络模型，得到目标退化文档图像的二值化图像。本发明可以应用在各种形式退化的退化文档图像中，保证了二值化图像的高质量和高效性。

本发明授权一种基于自适应卷积的退化文档图像二值化方法和系统在权利要求书中公布了：1.一种基于自适应卷积的退化文档图像二值化方法，其特征在于，包括： 步骤一：收集训练退化文档图像，对训练退化文档图像进行扫描标注得到训练退化文档图像的二值化标签图，对训练退化文档图像和对应的二值化标签图进行预处理，得到退化文档图像的预输入图像和二值化标签图的预输入图像； 步骤二：将退化文档图像的预输入图像输入到自适应卷积网络模型中，得到退化文档图像的二值化图像； 所述自适应卷积网络模型的编码器包括自适应卷积模块和引导注意力模块，自适应卷积网络模型的解码器包括门控金字塔模块； 步骤三：根据退化文档图像的二值化图像和训练退化文档图像的二值化标签图的鉴别正确率计算得到对抗损失； 根据退化文档图像的二值化图像和训练退化文档图像的二值化标签图的前景像素与背景像素差异计算得到分类损失； 根据退化文档图像的二值化图像和训练退化文档图像的二值化标签图的像素点相似性计算得到相似性损失和杰卡德相似系数损失； 根据退化文档图像的二值化图像和训练退化文档图像的二值化标签图的像素差异计算得到平均绝对值误差； 步骤四：基于对抗损失、分类损失、相似性损失、杰卡德相似系数损失和平均绝对值误差计算总损失，通过最小化总损失来优化自适应卷积网络模型参数，得到最优自适应卷积网络模型； 步骤五：将目标退化文档图像的预输入图像输入到最优自适应卷积网络模型，得到目标退化文档图像的二值化图像； 所述自适应卷积模块包括调制卷积块、动态权重子网、梯度信息提取块和特征图提取块； 所述调制卷积块的卷积核权重按以下公式表示： 其中，Wq为调制后的卷积核权重，R为卷积的面积大小，Wp为卷积核权重，：为占位符； 所述动态权重子网按以下公式表示： θ＝σRELUCon1×1DW3×3PW1×1I其中，θ为差分信息所占的比重大小，σ为Sigmoid函数，I为输入特征图，DW3×3为3×3深度卷积，PW1×1为1×1点卷积，RELUCon1×1为ReLU函数； 所述梯度信息提取块按以下公式表示： F′＝Wp⊙F‑θ×Wq⊙F其中，F′为带有梯度信息的特征图，F为卷积后的特征图，⊙为逐元素相乘运算； 所述特征图提取块按以下公式表示： 其中，O为提取特征图，为激活函数； 所述引导注意力模块按以下公式表示： W＝σDW5×5PW1×1S[O,Wcat×O]其中，W为最终特征权重，σ为Sigmoid函数，DW5×5为5×5深度卷积，PW1×1为1×1点卷积，S为像素重排操作，O为提取特征图，Wcat为混合域特征权重。

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河南大学，其通讯地址为：450046 河南省郑州市明理路北段379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。