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！

龙图腾网恭喜陕西能源职业技术学院申请的专利一种基于深度学习的矿井图像处理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：CN119809975B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510288212.2，技术领域涉及：G06T5/70；该发明授权一种基于深度学习的矿井图像处理方法是由赵炬;张建华;周捷;张高;巨江鹏;张特;马奔;张若涵;田登宇;陈博设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本一种基于深度学习的矿井图像处理方法在说明书摘要公布了：本发明是一种基于深度学习的矿井图像处理方法，该方法包括：采集矿井图像作为样本数据，划分为干净图像和原始物理噪声图像；构建基于物理信息的生成对抗网络，利用生成对抗网络进行数据增强，得到增强训练集；构建深度算子去噪网络对增强训练集进行去噪处理；对深度算子去噪网络进行训练，利用L2范数评分方法对去噪网络进行剪枝处理，对去噪网络进行测试，得到轻量化深度算子去噪网络模型；利用轻量化深度算子去噪网络模型对矿井图像进行实时去噪处理。本发明有效扩充了数据规模，提高了深度算子去噪网络模型的泛化能力，提高了矿井图像的清晰度和可辨识度，提高其图像质量；提高了处理速度，实现矿井图像的实时处理。

本发明授权一种基于深度学习的矿井图像处理方法在权利要求书中公布了：1.一种基于深度学习的矿井图像处理方法，其特征在于，包括：S100，采集矿井图像作为样本数据，将所述样本数据的分辨率进行调整，将所述样本数据划分为干净图像数据集和原始物理噪声图像数据集，将所述干净图像数据集作为训练集，将所述原始物理噪声图像数据集作为测试集；S200，构建基于物理信息的生成对抗网络，利用所述生成对抗网络对所述训练集以及施加物理噪声的训练集进行数据增强以提高图像质量，得到增强训练集；S300，构建深度算子去噪网络对增强训练集进行去噪处理，获得去噪后的增强训练集；S400，采用所述去噪后的增强训练集对所述深度算子去噪网络进行训练，在训练过程中，利用L2范数评分方法对所述深度算子去噪网络进行剪枝处理，采用所述测试集对训练后的所述深度算子去噪网络进行测试，得到轻量化深度算子去噪网络模型；S500，利用所述轻量化深度算子去噪网络模型对矿井图像进行实时去噪处理；其中，S200包括以下过程：S201，对所述训练集施加物理噪声后得到物理噪声图像数据集，其中，所述物理噪声包括：读取噪声、散粒噪声、行噪声和量化噪声；S202，基于物理信息构建生成对抗网络；S203，利用所述生成对抗网络对所述训练集和所述物理噪声图像数据集分别进行数据增强，增强后进行合并得到增强训练集；S300中，所述深度算子去噪网络包括：主干网络、分支网络、点积层和解码网络；所述主干网络用于学习矿井图像的全局特征映射；所述分支网络用于学习矿井图像的局部细节特征映射；所述点积层用于接收全局特征映射和局部细节特征映射后进行点积操作；所述解码网络用于对点积层输出的数据进行处理，以获得重构的干净图像；所述主干网络和所述分支网络采用并行架构；所述分支网络用于学习矿井图像的局部细节特征映射的步骤包括：分支网络将增强训练集中的图片随机分割为图像块；将每个图像块转化为特征图，然后将特征图组成特征矩阵；利用自注意力机制获得自注意力特征矩阵；将自注意力特征矩阵进行图像块特征间的信息交互和加权融合；将加权融合后的图像块之间的融合信息进行深度特征提取得到矿井图像的局部细节特征映射。

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陕西能源职业技术学院，其通讯地址为：712000 陕西省咸阳市文林路中段29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”。