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！

龙图腾网恭喜重庆邮电大学申请的专利一种应用于稀疏傅里叶叠层成像的无训练卷积神经网络相位恢复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：CN114386575B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202210013274.9，技术领域涉及：G06T5/77；该发明授权一种应用于稀疏傅里叶叠层成像的无训练卷积神经网络相位恢复方法是由姜小明;张中华;王添;冯绍玮;胡永波;冉开怀;赖春红设计研发完成，并于2022-01-06向国家知识产权局提交的专利申请。

本一种应用于稀疏傅里叶叠层成像的无训练卷积神经网络相位恢复方法在说明书摘要公布了：本发明属于傅里叶叠层成像技术领域，具体涉及一种应用于稀疏傅里叶叠层成像的无训练卷积神经网络相位恢复方法，包括：获取低分辨率图像，对低分辨率图像进行间隔采样得到低分辨率子图像；将低分辨率子图像进行插值放大和加入随机高斯噪声后输入卷积神经网络模型中，得到图像的幅度和相位信息，根据幅度和相位信息重建低分变率图像；比较重建的低分辨率图像与输入的低分辨率图像的差异，并训练神经网络直到网络收敛，得到高分辨率图像的相位和幅度信息；本发明设计了一类无训练卷积神经网络，在不依赖大量数据的情况下，使用较少的采样图像序列，即可高质量恢复图像相位和幅度信息。

本发明授权一种应用于稀疏傅里叶叠层成像的无训练卷积神经网络相位恢复方法在权利要求书中公布了：1.一种应用于稀疏傅里叶叠层成像的无训练卷积神经网络相位恢复方法，其特征在于，包括：获取稀疏待重建的低分辨率图像序列，对低分辨率图像序列做放大插值操作，并加入随机噪声；将加入随机噪声后的低分辨率图像序列输入到深度卷积神经网络中，得到高分辨率图像的幅度和相位信息；对深度卷积神经网络进行训练的过程包括：S1：获取低分辨率图像序列，对低分辨率图像序列进行间隔采样，得到低分辨率子图像序列；S2：对低分辨率子图像序列进行放大操作，将放大操作后的图像叠加随机高斯噪声；S3：将叠加随机噪声的低分辨率子图像序列输入到深度卷积神经网络中，得到两张特征图，该特征图分别对应待重建图像的幅度和相位信息；根据待重建图像的幅度和相位信息得到待重建图像的物体信息图；S4：根据待重建图像的物体信息图重建的低分辨率图像；具体包括：获取低分辨率子图像的大小和低分辨率子图像的频域中心原点坐标；对待重建图像的物体信息图进行二维傅里叶正变换；对经过二维傅里叶正变换的图像进行二维fftshift操作处理；根据低分辨率子图像的大小和低分辨率子图像的频域中心原点坐标对经过二维fftshift操作处理的特征图进行裁剪，得到与输入图像大小相同的特征图；对经过裁剪后的特征图再次进行二维fftshift操作，对再次经过二维fftshift操作的特征图进行二维傅里叶逆变换，得到重建后的特征图；采用镜头传递函数对重建后的特征图进行处理，得到重建后的高分辨率图像；重建高分辨率图像的公式为： 其中，V表示待重建图像的物体信息图，F和F-1分别表示二维傅里叶正变换和逆变换，S表示二维fftshift操作，Crop表示图像裁剪操作，kx,ky表示低分辨率子图像的频域中心原点坐标，Nx,Ny表示低分辨率子图像的大小，表示卷积运算，LF表示镜头传递函数；S5：根据重建后的低分辨率图像和输入的低分辨率图像构建系统损失函数；损失函数的表达式为： 其中，V表示待重建图像的物体信息图，N表示训练深度卷积神经网络所使用低分辨率子图像数目，IiV表示重建的高分辨率图像，Ji表示输入的图像；S6：当深度卷积神经网络的损失函数收敛时，输入低分辨率序列得到重建的高分辨率图像的幅度和相位信息，完成模型的训练。

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邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。