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！

龙图腾网恭喜大连民族大学申请的专利基于生成对抗网络的满文图像超分辨率重建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：CN109993702B 。

龙图腾网通过国家知识产权局官网在2023-09-26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：201910286784.1，技术领域涉及：G06T3/40；该发明授权基于生成对抗网络的满文图像超分辨率重建方法是由贺建军;郑蕊蕊;辛守宇;吴宝春;毕佳晶设计研发完成，并于2019-04-10向国家知识产权局提交的专利申请。

本基于生成对抗网络的满文图像超分辨率重建方法在说明书摘要公布了：基于生成对抗网络的满文图像超分辨率重建方法，属于计算机图像处理领域，为了解决低分辨率满文图像进行超分辨率重建的问题，包括如下步骤：S1.准备训练样本；S2.基于生成对抗网络搭建实现满文图像超分辨率模型，能够学习高低分辨率的满文图像间映射关系，从而对低分辨率满文图像进行超分辨率重建。

本发明授权基于生成对抗网络的满文图像超分辨率重建方法在权利要求书中公布了：1.一种基于生成对抗网络的满文图像超分辨率重建方法，其特征在于：包括如下步骤：S1.准备训练样本；S2.基于生成对抗网络搭建实现满文图像超分辨率模型，还包括S3.由训练样本和损失函数对模型进行调整，将准备好的训练样本中低分辨率图像LR1～n，利用生成器生成高分辨率重建图像SR1～n，n为重建图像的数量，然后将生成的图重建像SR1～n与训练样本中高分辨率图像HR1～n输入判别器网络，同时利用生成器的损失函数和判别器的损失函数对模型进行调优，完成对模型的训练；准备训练样本的步骤为：扫描满文文档，并获得高分辨率的满文文档图像HR1～n，其中n为扫描得到的高分辨率满文图像的数量，将得到的高分辨率满文文档图像采用插值算法进行下采样，并获得低分辨率图像LR1～n，其中n为低分辨率满文图像的数量，将高分辨率的满文文档图像HR1～n与低分辨率图像LR1～n一一对应组成模型的训练数据集，基于生成对抗网络搭建实现满文图像超分辨率模型的步骤为：构建生成器及判别器，所述构建生成器：使用5个相同结构的残差块和2个亚像素卷积层构建而成生成器，生成器结构是：第1操作是Input输入层，用于输入图像是训练数据中低分辨率RGB三通道图像；第2操作是G-Conv-1层，是卷积层，卷积核为9像素×9像素，步长1像素，包含64个滤波器；第3操作是PReLu层，其将G-Conv-1层的输入信号进行非线性变换；第4-8操作均是Residualblock残差块，且五个操作是5个结构相同的Residualblock残差块，用于对低分辨率图像的图示信息特征进行提取；第9操作包括G-Conv-2卷积层、BN操作、Sum操作，其中G-Conv-2卷积层的卷积核为3像素×3像素，步长1像素，包含64个滤波器，BN表示批量归一化操作，Sum表示输出求和；第10操作包括G-Conv-3卷积层、Sub-PixelCN亚像素卷积层、PReLu层，其中G-Conv-3卷积层的卷积核为3像素×3像素，步长1像素，包含256个滤波器；Sub-PixelCN亚像素卷积层具有2层，用于对提取到的低分辨率图像特征进行重组而生成高分辨率图像，PReLu层将上一层的输入信号进行非线性变换；第11操作是G-Conv-4是卷积层，卷积核为9像素×9像素，步长1像素，包含3个滤波器；第12操作是Output输出层，PReLu层将上一层的输入信号进行非线性变换，由公式1所示： 其中xi是函数的输入，ai是系数，其随训练的进程而变化；构建的判别器，其结构是：第1操作是Input输入层，输入图像为训练集中高分辨率样本；第2操作是D-Conv-1是卷积层，卷积核为3像素×3像素，步长1像素，包含64个滤波器；第3操作是LeakyReLu层，将上一层的输入信号进行非线性变换；第4操作是D-Conv-2卷积层，卷积核为3像素×3像素，步长2像素，包含64个滤波器；第5操作是D-Conv-3卷积层，卷积核为3像素×3像素，步长1像素，包含128个滤波器；第6操作是D-Conv-4卷积层，卷积核为3像素×3像素，步长2像素，包含128个滤波器；第7操作是D-Conv-5卷积层，卷积核为3像素×3像素，步长1像素，包含256个滤波器；第8操作是D-Conv-6卷积层，卷积核为3像素×3像素，步长2像素，包含256个滤波器；第9操作是D-Conv-7卷积层，卷积核为3像素×3像素，步长1像素，包含512个滤波器；第10操作是D-Conv-8卷积层，卷积核为3像素×3像素，步长2像素，包含512个滤波器；第11操作是BN是批量归一化操作；第12操作是LeakyReLu层将上一层的输入信号进行非线性变换；第13操作是Dense层含有1024个神经元数；LeakyReLu层将上一层的输入信号进行非线性变换；第14操作是Dense层，含有1个神经元；第15操作是Sigmoid函数：σz＝11+e-z其中z表示上一层的输出；第16操作是output输出，所述输出是判别器对输入判别为真实样本还是生成样本的概率，其为鉴别结果。

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大连民族大学，其通讯地址为：116600 辽宁省大连市经济技术开发区辽河西路18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”。