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！

龙图腾网获悉西北大学申请的专利基于深度卷积混合神经网络计算关联成像重建算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：CN116128743B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211477876.6，技术领域涉及：G06T5/60；该发明授权基于深度卷积混合神经网络计算关联成像重建算法是由乐明楠;张世福;李斌;范建平;彭进业;樊萍;汪霖;王珺设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本基于深度卷积混合神经网络计算关联成像重建算法在说明书摘要公布了：本发明属于计算成像的量子成像技术领域，具体公开了基于深度卷积混合神经网络计算关联成像重建算法，利用哈达玛矩阵灰度编码序列代替原计算关联成像的高斯矩阵散斑序列，在计算关联成像的数据采集处理上以固定序列的散斑序列调整数字微镜器件。在相同采样率下,本算法能够重构出优质目标物体图像,并且拥有更高的PSNR值和SSIM值。深度学习在计算关联成像的算法实现对图像端到端图像恢复，减少了图像计算的的步骤。

本发明授权基于深度卷积混合神经网络计算关联成像重建算法在权利要求书中公布了：1.基于深度卷积混合神经网络计算关联成像重建算法，其特征在于，包括以下步骤： 步骤1：数据采集； 准备背景纯净的MNIST数据集，并对MNIST数据集进行增强扩充； 基于哈达玛矩阵产生散照光斑，且对散照光斑进行灰度编码排序形成固定序列的光照散斑序列； 基于光照散斑序列进行数据采样；光强序列与测量使用光照散斑序列相乘与原图像形成图像数据集; 步骤2：建立深度卷积混合神经网络模型； 步骤3：模型训练； 将步骤1所述的图像数据集按比例分为训练集和测试集，将训练集输入DCMGI模型，基于训练优化器和损失函数对DCMGI模型进行训练； 步骤4：采用训练后的DCMGI模型进行计算关联成像，完成重建图像； 所述深度卷积混合神经网络模型为DCMGI模型，包括： 特征提取模块：包含n个卷积模块,所述卷积模块为： c_block_nin_channel,out_channel 其中，n为c_block的第n个模块，in_channel和out_channel为卷积模块的输入通道数和输出通道数； 特征增强模块：包括通道注意力机制和空间注意力机制，将特征提取模块的输出通道作为特征增强模块的输入通道，分别进行通道注意力机制的处理和空间注意力机制的处理； 输出模块：包括卷积层Conlayer1和卷积层Conlayer2； 所述卷积层Conlayer1的输入通道为10，输出通道为5，核大小为3*3,填充padding为1，步长stride为1; 所述卷积层Conlayer2的输入通道数为5，输出通道为1，核大小为3*3,填充padding为1，步长stride为1； 卷积层Conlayer1添加归一化处理层和激活函数。

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北大学，其通讯地址为：710127 陕西省西安市长安区西北大学；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。