龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东北大学
申请日：2022-04-12
公开（公告）日：2024-06-14
公开（公告）号：CN114897679B
主分类号：G06T3/4046
分类号：G06T3/4046;G06T3/4053;G06T5/60;G06N3/045;G06N3/0464;G06N3/0475;G06N3/094;G06T9/00
优先权：
专利状态码：有效-授权
法律状态：2024.06.14#授权;2022.08.30#实质审查的生效;2022.08.12#公开
摘要：本发明公开了一种基于生成式对抗网络的浮选泡沫有损压缩图像复原方法，涉及矿物浮选技术领域，本发明针对浮选图片难以大量存储的问题，提出先使用有损图片压缩算法压缩图片，再使用超分辨率重构算法还原图片的思想解决该问题。首先对图片进行缩放后再利用JPEG图像压缩算法进行低质量压缩，压缩后的图片大小仅为原图的八十分之一，极大地增加了工控机可以存储的图片数量；但是压缩后的浮选泡沫图像会丢失部分信息，且存在模糊、失真等现象，使用对抗式生成网络对原图进行重构的方法可以有效地复原图像，解决图像模糊失真等问题，以便后续分析。
主权项：1.一种基于生成式对抗网络的浮选泡沫有损压缩图像复原方法，其特征在于，所述方法包括：步骤1：采集不同浮选状态下的浮选槽泡沫高分辨率图像；所述浮选状态包括正常生产状态和工况异常状态；步骤2：对采集到的浮选槽泡沫高分辨率图像进行有损压缩处理；步骤3：以原始图像和压缩后的图像构成数据集，有损压缩后的浮选泡沫图像标记为X域，对应的无损浮选泡沫图像标记为Y域，重构的浮选泡沫图像标记为Y′域，构建基于生成式对抗网络的图像复原模型，并利用所述数据集对所述基于生成式对抗网络的图像复原模型进行训练优化；其中，所述基于生成式对抗网络的图像复原模型包括：生成式网络RRDNNet和判别式网络VGG19；RRDNNet采用残差结构，由多个卷积层和Relu激活层组成的DenseBlock构成，RRDNNet用来重构压缩后有损的浮选泡沫图像，RRDNNet的输入是X域图像，输出是Y′域图像；VGG19由卷积层、池化层、Relu激活层和全连接层组成，用来判别Y域和Y′域图像的一致性；步骤4：使用训练后的生成式网络RRDNNet对压缩后的浮选泡沫图像重构复原，得到复原后的浮选泡沫图像。
全文数据：
权利要求：
百度查询： 东北大学 一种基于生成式对抗网络的浮选泡沫有损压缩图像复原方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号