買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉天津大學申請的專利一種生成式圖像修復方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115311171B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211075696.5，技術領域涉及：G06T5/77；該發明授權一種生成式圖像修復方法是由林迪;申佳;萬亮;馮偉設計研發完成，并于2022-09-05向國家知識產權局提交的專利申請。

本一種生成式圖像修復方法在說明書摘要公布了：本發明涉及一種生成式圖像修復方法，使用兩個基于條件變分自編碼器CVAE，即CVAEVh和CVAEVk，分別學習物體分割假設和不確定特征圖用于修復圖像，其中，使用物體分割假設CVAEVh學習關于物體類別的概率分布；基于物體分割假設CVAEVh，使用CVAEVk學習卷積核的概率分布，得到卷積核和不確定特征圖，利用不確定特征圖修復圖像。

本發明授權一種生成式圖像修復方法在權利要求書中公布了：1.一種生成式圖像修復方法，使用兩個基于條件變分自編碼器CVAE，即CVAEVh和CVAEVk，分別學習物體分割假設和不確定特征圖用于修復圖像，其中，使用物體分割假設CVAEVh學習關于物體類別的概率分布；基于物體分割假設CVAEVh，使用CVAEVk學習卷積核的概率分布，得到卷積核和不確定特征圖，利用不確定特征圖修復圖像，包括下列步驟： S1，使用CVAEVh學習關于物體類別的條件概率分布，即基于特征圖學習物體分割假設，并得到類別不確定圖，CVAEVh由編碼器分支、條件分支和解碼器分支構成；將特征圖F和參考分割圖S′∈RH×W×N圖輸入到CVAEVh，輸出物體分割假設集合{Sl∈RH×W×N|l＝1,…,L}和不確定特征圖U∈RH×W×N，步驟如下： S11，對輸入的待修復圖像I∈RH×W×3進行特征圖的提取，得到特征圖F∈RH×W×C； S12，將特征圖F和參考分割圖S′輸入到CVAEVh的編碼器分支中，得到均值μs∈RH×W×C和標準差σs∈RH×W×C： [μs,σs]＝encoder[S′,F] 其中，C代表通道數，[·]代表沿通道維度累加；μs,σs構成高斯分布一； S13，將特征圖F輸入到CVAEVh的條件分支中，得到均值μf∈RH×W×C和標準差σf∈RH×W×C： [μf,σf]＝conditionF 其中，μf,σf構成高斯分布二； S14，從高斯分布中采樣，生成大小為H,W,C的潛變量圖Z∈RH×W×C，其中Z服從高斯分布； S15，對S12所得到的關于分割圖的均值μs和標準差σs進行歸一化處理，將歸一化處理的結果與特征圖F疊加，輸入到CVAEVh的解碼器分支中，輸出物體分割假設集合{Sl∈RH×W×N|l＝1,…,L}： Sl＝decoder[F,歸一化處理的結果] 其中，L代表生成Z的次數即采樣次數，Z∈RH×W×C是由高斯分布產生的潛變量圖，對每個Z執行步驟S15，得到L個物體分割假設，從而得到物體分割假設集合{Sl∈RH×W×N|l＝1,…,L}，N代表類別數； S16，對物體分割假設集合{Sl∈RH×W×N|l＝1,…,L}中的物體分割假設Sl求L2范數，得到類別不確定圖U∈RH×W×N： 其中，是歸一化參數，‖·‖2代表L2范數； S2，使用交叉熵損失函數計算物體分割假設與參考分割圖之間的損失值，使用K-L散度計算兩個高斯分布之間的差異，訓練CVAEVh； S3，對特征圖F進行信息分解，方法如下： S31，將物體分割假設Sl與特征圖F進行點乘，得到每個類別n對應的特征圖F′n∈RH×W×C，然后進行卷積操作，得到每個類別n相應的卷積核K′n∈RH×W×S×S×C，n＝1,…,N： F′n,x,y＝Sx,y,n·Fx,y K′n＝convF′n 其中，F′n,x,y∈RC代表第n個類別在像素點x,y的特征向量，Sx,y,n∈R代表像素點x,y為第n個類別的概率，Fx,y∈RC代表像素點x,y的特征向量； S32，將類別不確定圖U與每個類別相應的卷積核K′n進行點乘，得到每個類別相應的卷積核，再對這些類別對應的卷積核進行相加，得到不確定卷積核Ku： 其中，代表像素點x,y的分辨率為S×S，通道數為C的卷積核，Ux,y,n代表像素點為第n個類別的不確定性，數值在0-1之間； S4，使用CVAEVk學習卷積核的概率分布，得到卷積核和不確定特征圖，CVAEVk由編碼器分支、條件分支和解碼器分支構成，將物體分割假設S，類別不確定圖U，特征圖和不確定卷積核圖Ku輸入到CVAEVk中，生成卷積核K∈RH×W×S×S×C，步驟如下： S41，將不確定卷積核圖Ku，物體分割假設Sl，類別不確定圖U和特征圖F輸入到生成式網絡CVAEVk的編碼器分支中，得到均值μk∈RH×W×C和標準差σk∈RH×W×C： [μk,σk]＝encoder[Ku,Sl,U,F] 其中，μk,σk構成高斯分布三； S42，將物體分割假設Sl，類別不確定圖U和特征圖F輸入到CVAEVk的條件分支中，得到均值μc∈RH×W×C和標準差σc∈RH×W×C： [μc,σc]＝condition[Sl,U,F] 其中，μc,σc構成高斯分布四； S43，從高斯分布中采樣：生成大小為H,W,C的潛變量圖Z∈RH×W×C，其中Z服從高斯分布； S44，使用高斯分布對S41得到的均值和標準差進行歸一化處理，將歸一化處理的結果與特征圖F、物體分割假設Sl、類別不確定圖U疊加，一同輸入到CVAEVk的解碼器分支中，輸出卷積核K∈RH×W×S×S×C： K＝decoder[Sl,U,F,歸一化處理的結果] S45，將卷積核K和特征圖F進行卷積操作，得到不確定特征圖Q∈RH×W×3： Q＝convK,F S46，對不確定特征圖進行卷積操作得到修復之后的結果O∈RH×W×3； S5，使用L2損失函數計算卷積核K與不確定卷積核圖Ku之間的損失值，使用K-L散度計算高斯分布三和四兩個分布之間的差異，訓練CVAEVk。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人天津大學，其通訊地址為：300072 天津市南開區衛津路92號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。