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！

龙图腾网获悉浙江大学申请的专利一种基于脉冲神经网络的图像复原方法及系统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：CN121190334B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511738455.8，技术领域涉及：G06T5/60；该发明授权一种基于脉冲神经网络的图像复原方法及系统是由马德;胡晓;章明;潘纲设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本一种基于脉冲神经网络的图像复原方法及系统在说明书摘要公布了：本发明公开了一种基于脉冲神经网络的图像复原方法及系统，包括：处理原始退化图像得到多个不同分辨率的退化子图像；基于脉冲神经网络和多尺度特征融合机制构建图像复原模型，其包括脉冲编码层、特征融合网络和残差脉冲解码层；脉冲编码层为多个，分别对不同分辨率的退化子图像进行脉冲编码得到多尺度的脉冲特征；特征融合网络采用包含编码器和解码器的U‑Net架构，分别包括多个阶段，每个阶段处理来自多个脉冲编码层在各阶段输入的脉冲特征，实现多尺度特征提取、融合以逐步恢复高分辨率图像细节；残差脉冲解码层对脉冲特征解码形成图像复原结果；训练图像复原模型后用于图像复原，在保证图像复原质量的同时显著减少时间步、并降低能耗。

本发明授权一种基于脉冲神经网络的图像复原方法及系统在权利要求书中公布了：1.一种基于脉冲神经网络的图像复原方法，其特征在于，包括以下步骤： 获取原始退化图像并进行预处理得到多个不同分辨率的退化子图像； 基于脉冲神经网络和多尺度特征融合机制，构建图像复原模型；所述图像复原模型包括脉冲编码层、编码器-解码器特征融合网络和残差脉冲解码层；所述脉冲编码层为多个，分别对原始退化图像和不同分辨率的退化子图像进行脉冲编码得到多尺度的脉冲特征序列；所述编码器-解码器特征融合网络采用由编码器和解码器组成的U-Net架构，编码器和解码器分别包括多个阶段，每个阶段处理来自多个脉冲编码层在各阶段输入的脉冲特征序列，实现多尺度特征提取、融合以逐步恢复高分辨率图像细节；所述残差脉冲解码层用于对所述编码器-解码器特征融合网络输出的脉冲特征解码为连续像素值，并与输入的原始退化图像融合得到最终的图像复原结果； 对所述图像复原模型进行训练后用于图像复原； 编码器的每个阶段包括串联的脉冲特征提取模块和脉冲特征融合模块，在编码过程中，每个阶段的输入为上一编码阶段的输出脉冲特征；其中，脉冲特征提取模块用于提取输入脉冲特征的深层特征，并引入时间-通道联合注意力机制在时间维度和通道维度对脉冲特征进行联合建模，通过时间卷积与通道卷积提取跨时间步与跨通道的相关性特征以实现多维特征融合；脉冲特征融合模块用于将经脉冲特征提取模块提取的深层特征与退化子图像对应脉冲编码层输出的脉冲特征进行融合； 解码器的每个阶段以相反的顺序在空间尺度上与编码器的各阶段一一对应，每个阶段包括依次串联的脉冲特征融合模块和脉冲特征提取模块；在解码过程中，每一阶段的输入包括前一解码阶段的输出以及与其空间尺度对应的编码阶段的输出，两者经过脉冲特征融合模块融合以补充空间细节信息，然后通过脉冲特征提取模块逐步恢复高分辨率特征； 所述脉冲特征融合模块包含拼接操作和脉冲卷积单元，在通道维度上对输入的特征进行拼接，由此产生的张量经过脉冲卷积单元的脉冲卷积后输出，传递至下一阶段，用于在各个阶段实现多尺度脉冲特征的自适应融合；在编码器中，每个脉冲特征融合模块融合当前阶段脉冲特征提取模块输出的深层特征与对应尺度退化子图像经脉冲编码层和脉冲卷积得到的浅层特征，从而形成多尺度的综合特征表示；在解码器中，每个脉冲特征融合模块融合来自前一解码阶段的输出和对应尺度编码器输出的特征，以在解码过程中补充空间细节信息，逐步恢复图像的高分辨率特征。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。