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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于增强全变分正则化的相位恢复方法、装置、系统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：CN119904381B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202510038163.7，技术领域涉及：G06T5/70；该发明授权一种基于增强全变分正则化的相位恢复方法、装置、系统及介质是由张本鑫;孙少华;薛蕾;黎海霞设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于增强全变分正则化的相位恢复方法、装置、系统及介质在说明书摘要公布了：本申请提供了一种基于增强全变分正则化的相位恢复方法、装置、系统及介质，涉及图像处理技术领域，该方法包括：基于所述增强全变分正则化模型和所述相位恢复问题模型构建用于相位恢复的非凸最优化模型；利用凸函数差算法将非凸最优化模型转化为凸优化模型；获取待恢复的图像，将所述待恢复的图像输入上述凸优化模型，利用交替方向乘子法交替迭代求解凸优化模型，得到恢复后的图像；本申请能够提高恢复图像的清晰度。

本发明授权一种基于增强全变分正则化的相位恢复方法、装置、系统及介质在权利要求书中公布了：1.一种基于增强全变分正则化的相位恢复方法，其特征在于，包括以下步骤： S100，基于相位恢复问题模型和增强全变分正则化模型构建用于相位恢复的非凸最优化模型；增强全变分正则化模型为： 增强全变分正则化模型表示为Φu，具体表达式为其中，u表示恢复后的图像，u∈RN×N；α为正则化参数，α＞0；D为离散梯度； 相位恢复问题模型为：其中，b表示待恢复的图像，A表示线性算子，A∈RM×N，M、N表示空间维度； 非凸最优化模型为： 其中，λ是正参数； S200，利用凸函数差算法将非凸最优化模型转化为凸优化模型；包括： 利用凸函数差算法DCA将非凸最优化模型转化为凸优化模型ETVDCA，将所述ETVDCA模型作为用于相位恢复的凸优化模型； muinFu＝gu-hu，其中两个凸函数分别为和 凸函数差算法原理为： 其中，k表示外循环迭代次数； 根据所述凸函数差算法原理转化后的凸优化模型ETVDCA为： 其中，||·||1表示L1范数,||·||2表示L2范数； S300，获取待恢复的图像，将所述待恢复的图像输入上述凸优化模型，利用交替方向乘子算法交替迭代求解凸优化模型，得到恢复后的图像； S300中，获取待恢复的图像，将所述待恢复的图像输入上述凸优化模型，利用交替方向乘子算法交替迭代求解凸优化模型，得到恢复后的图像，包括： S310，初始化内外迭代次数、停止准则、正则化参数α、罚参数q和ω； S320，将所述待恢复的图像输入凸优化模型,求解yk； S330，将所述凸优化模型转换为以下最小化模型： 其中，Ω＝{u|0≤u≤1}； S340，用交替方向乘子法ADMM求解，将所述最小化模型的增广拉格朗日函数表示为： 其中，r1和r2均为二次项惩罚系数； S350，依次求解得到所述最小化模型中最小化v的解、最小化p的解和最小化u的解，包括： 根据以下公式将所述最小化模型中含有参数v的增广拉格朗日函数的项提取出来，得到： 其中，m为内循环迭代次数； 得到该式的封闭解为： 所述最小化模型中含有参数p的增广拉格朗日函数的项可以扩展为 并且分别对每个j值求解最小值；令将子问题模型变换为另一种形式： 利用软收缩算法进行迭代： 是阈值截断操作，定义为 根据以下公式将所述最小化模型中含有参数u的增广拉格朗日函数的项提取出来，得到： 利用共轭梯度下降法求解u优化子问题； 为了获得正确的解u，更新拉格朗日乘子； S360，累计当前一代的内外迭代次数和停止准则，确定是否达到预先设置的最大迭代次数或者停止准则阈值，若是，则执行S370；若否，则将最小化u的解作为待恢复的图像，并执行S320； S370，将最小化u的解作为恢复后的图像进行输出。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。