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！

龙图腾网获悉重庆大学申请的专利金属零件表面高光去除方法及模型构建方法和计算机可读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：CN115456902B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202211150431.7，技术领域涉及：G06T5/77；该发明授权金属零件表面高光去除方法及模型构建方法和计算机可读介质是由何彦;汪洋;郝传鹏;李育锋;刘飞设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本金属零件表面高光去除方法及模型构建方法和计算机可读介质在说明书摘要公布了：本发明公开了金属零件表面高光去除模型构建方法，包括如下步骤：步骤一：构建高光检测网络：11将金属零件高光图像I00输入高光检测网络并得到高光掩膜图像Moutout；12计算检测损失函数，判断检测损失函数是否小于设定阈值：若是，则执行步骤21；若否，则更新权重，执行步骤11；步骤二：构建高光去除网络：21将融合图像输入高光去除网络，通过快速傅里叶卷积同时提取融合图像在空间域和频域上的特征，生成无高光图像Ioutout；22计算损失函数，判断损失函数是否小于设定阈值：若是，则得到金属零件表面高光去除模型；若否，则更新权重，执行步骤21。本发明还公开了一种金属零件表面高光去除方法和计算机可读介质。

本发明授权金属零件表面高光去除方法及模型构建方法和计算机可读介质在权利要求书中公布了：1.一种金属零件表面高光去除模型构建方法，其特征在于：包括如下步骤： 步骤一：构建高光检测网络 11将金属零件高光图像输入高光检测网络并得到高光掩膜图像； 12计算高光掩膜图像与真实高光掩膜图像之间的检测损失函数，判断检测损失函数的值是否收敛：若是，则执行步骤21；若否，则通过误差的反向传播以更新高光检测网络的权重，执行步骤11； 步骤二：构建高光去除网络 21融合金属零件高光图像和高光掩膜图像的特征并得到融合图像，将融合图像输入高光去除网络，通过快速傅里叶卷积同时提取融合图像在空间域和频域上的特征，其中频域特征提取针对金属零件高光图像与无高光图像的低频差异进行优化，生成无高光图像；快速傅里叶卷积在通道上进行快速傅里叶变换，具有覆盖整个图像的全局感受野；快速傅里叶卷积将通道分为两个并行分支：一个分支使用传统卷积进行空间域的特征提取，另一个分支使用快速傅里叶变换进行频域的特征提取，最后将特征融合进行输出； 22计算无高光图像与真实无高光图像之间的损失函数，判断损失函数的值是否收敛：若是，则得到金属零件表面高光去除模型；若否，则通过误差的反向传播以更新高光去除网络的权重，执行步骤21； 所述高光去除网络包括生成器和鉴别器； 所述生成器用于提取融合图像在空间域和频域上的特征并生成无高光图像； 所述鉴别器用于来鉴别输入的图像中每一个小补丁是来自于无高光图像还是来自于真实的无高光图像； 通过生成器和鉴别器的相互对抗，使得高光去除网络生成高质量的无高光图像； 所述生成器采用修复损失函数，所述修复损失函数为损失函数、感知损失函数以及特征匹配损失函数之和： 其中，表示损失函数；表示感知损失函数；表示特征匹配损失函数；表示无高光图像；表示真实无高光图像；表示高光掩膜图像；表示通过网络所提取的特征图；表示均方误差；表示鉴别器提取到的特征图； 所述鉴别器采用对抗损失函数，所述对抗损失函数为局部对抗损失的损失函数和梯度惩罚损失函数之和： 其中，表示局部对抗损失的损失函数；表示梯度惩罚损失函数；表示无高光图像；表示真实无高光图像；表示高光掩膜图像；表示求期望；表示鉴别器提取到的特征图；表示求梯度；表示对应位置的像素值相乘； 无高光图像与真实无高光图像之间的损失函数为修复损失函数与对抗损失函数之和： 其中，表示无高光图像与真实无高光图像之间的损失函数。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。