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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种图像恢复方法、装置、设备及可读存储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：CN115797219B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211624910.8，技术领域涉及：G06T5/77；该发明授权一种图像恢复方法、装置、设备及可读存储介质是由乔鹏;刘斯盾;孙涛;窦勇;李荣春;许金伟;姜晶菲设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种图像恢复方法、装置、设备及可读存储介质在说明书摘要公布了：本发明公开了一种图像恢复方法、装置、设备及可读存储介质，涉及图像恢复领域，该方法包括：接收待恢复的图像，将图像输入头部神经网络映射得到特征值；将特征值和初始化隐变量输入隐层表示神经网络进行迭代得到精确特征值和迭代隐变量；其中，隐层表示神经网络包括特征神经网络和Anderson加速模块；判断特征神经网络是否满足压缩映射条件；若是，停止迭代，将对应精确特征值输入尾部神经网络映射得到恢复图像；若否，继续迭代，直至判断特征神经网络满足压缩映射条件。通过Anderson加速算法加快不动点映射的迭代，避免了需要对不动点映射进行大量迭代而导致图像恢复速度慢的问题。

本发明授权一种图像恢复方法、装置、设备及可读存储介质在权利要求书中公布了：1.一种图像恢复方法，其特征在于，包括： 接收待恢复的图像，将所述图像输入深度不动点网络中头部神经网络映射得到特征值；其中，所述深度不动点网络包括：头部神经网络、隐层表示神经网络和尾部神经网络； 将所述特征值和初始化隐变量输入隐层表示神经网络进行迭代得到精确特征值和迭代隐变量；其中，所述隐层表示神经网络包括特征神经网络和Anderson加速模块； 判断所述特征神经网络是否满足压缩映射条件； 若是，停止迭代，将对应精确特征值输入尾部神经网络映射得到恢复图像； 若否，继续迭代，直至判断所述特征神经网络满足所述压缩映射条件； 其中，将所述特征值和初始化隐变量输入隐层表示神经网络进行迭代得到精确特征值和迭代隐变量，包括： 在所述隐层表示神经网络中，确定第一加权系数，确定第二加权系数，确定残差； 将所述特征值、所述初始化隐变量、所述第一加权系数、所述第二加权系数和所述残差输入所述隐层表示神经网络中的第一模型进行迭代得到所述精确特征值和所述迭代隐变量；其中，所述第一模型的数学表达式为： ； 式中，为深度神经网络层归一化操作，为深度神经网络卷积算子，为所述第一加权系数，为所述第二加权系数，为所述残差，为所述特征神经网络，为当前步精确特征值，为当前步迭代一次后的精确特征值，为当前步迭代隐变量，为当前步迭代一次后的迭代隐变量； 所述确定残差，包括： 利用所述隐层表示神经网络中的第二模型基于所述精确特征值确定所述残差；其中，所述第二模型的数学表达式为： ； 式中，为所述深度神经网络卷积算子，为所述特征神经网络，为所述当前步精确特征值； 所述确定第二加权系数，包括： 利用所述隐层表示神经网络中的第三模型基于所述残差和所述迭代隐变量确定所述第二加权系数；其中，所述第三模型的数学表达式为： ； 式中，为深度神经网络非线性激活函数，为所述深度神经网络卷积算子，为所述残差，为所述当前步迭代隐变量； 所述确定第一加权系数，包括： 利用所述隐层表示神经网络中的第四模型基于所述第二加权系数确定所述第一加权系数；其中，所述第四模型的数学表达式为： ； 式中，为所述第二加权系数，为所述深度神经网络非线性激活函数，为所述深度神经网络卷积算子。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。