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！

龙图腾网获悉广东技术师范大学申请的专利基于无训练卷积神经网络的高质量单像素成像重构方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：CN116012482B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202310088539.6，技术领域涉及：G06T11/00；该发明授权基于无训练卷积神经网络的高质量单像素成像重构方法是由李娇声;伍波;章勤男;刘田云;蔡广烁设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本基于无训练卷积神经网络的高质量单像素成像重构方法在说明书摘要公布了：本发明涉及光学单像素成像领域，具体涉及一种基于无训练卷积神经网络的高质量单像素成像重构方法，其包括以下步骤：利用数字微镜阵列加载编码图案，对待测场景进行编码，并对编码后的待测场景进行单像素成像采集，得到第一一维信号；构建无训练卷积神经网络；将一维信号作为无训练卷积神经网络的输入，输出待测场景的初步估计，并利用初步估计与编码图案进行内积运算，得到第二一维信号；计算第一、第二一维信号的绝对误差作为损失值，并优化无训练卷积神经网络的参数，最后，通过无训练卷积神经网络输出第一一维信号对应的单像素成像重构结果。本发明构建的神经网络无需训练大量的数据集，泛化能力强，单像素重建成像质量高。

本发明授权基于无训练卷积神经网络的高质量单像素成像重构方法在权利要求书中公布了：1.一种基于无训练卷积神经网络的高质量单像素成像重构方法，其特征在于，所述高质量单像素成像重构方法包括以下步骤： S1、利用数字微镜阵列加载编码图案，以对待测场景进行编码，并对编码后的所述待测场景进行单像素成像采集，得到第一一维信号； S2、构建无训练卷积神经网络； S3、将所述一维信号作为无训练卷积神经网络的输入，输出得到所述待测场景的初步估计，并利用所述初步估计与所述编码图案进行内积运算，输出得到第二一维信号； S4、计算所述第一一维信号和所述第二一维信号的绝对误差作为损失值，并根据所述损失值优化所述无训练卷积神经网络的参数，最后，通过所述无训练卷积神经网络输出所述第一一维信号对应的单像素成像重构结果； 其中，步骤S2中，所述无训练卷积神经网络为URNet； 所述无训练卷积神经网络根据其数据处理的逻辑顺序先后分为输入层、去卷积层、卷积层和输出层，其中： 所述输入层包括大小为4x4、步长为1的卷积核； 所述去卷积层包括五层，每一所述去卷积层之后设有批归一化层和RELU激活函数，所述去卷积层中的每一卷积核大小为4x4、步长为1； 所述卷积层包括四层，每一所述卷积层中的每一卷积核大小为3x3、步长为1； 所述输出层与所述卷积层中的最后一层相同。

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广东技术师范大学，其通讯地址为：510665 广东省广州市天河区中山大道西293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。