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！

龍圖騰網獲悉廣東工業大學申請的專利基于多頭自注意力機制的深度學習紅外圖像去噪方法和系統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：CN114399433B 。

龍圖騰網通過國家知識產權局官網在2025-08-08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：202111529211.0，技術領域涉及：G06T5/70；該發明授權基于多頭自注意力機制的深度學習紅外圖像去噪方法和系統是由程良倫;吳文昊;吳衡設計研發完成，并于2021-12-14向國家知識產權局提交的專利申請。

本基于多頭自注意力機制的深度學習紅外圖像去噪方法和系統在說明書摘要公布了：本發明公開了一種基于多頭自注意力機制的深度學習紅外圖像去噪方法和系統，方法包括以下步驟：S1：收集高清紅外圖像并進行預處理；S2：根據所述高清紅外圖像和預處理后的紅外圖像，得到數據集；S3：建立基于多頭自注意力機制的紅外去噪神經網絡，利用所述數據集對所述紅外去噪神經網絡進行訓練，得到訓練好的紅外去噪神經網絡；S4：利用訓練好的紅外去噪神經網絡對帶噪聲的紅外圖像進行去噪。本發明通過多頭自注意力機制深度學習紅外圖像去噪技術，可以有效克服經典紅外成像系統中存在的高噪聲的問題。本發明非常有利于紅外成像多頭自注意力機制深度學習圖像去噪技術的研究。

本發明授權基于多頭自注意力機制的深度學習紅外圖像去噪方法和系統在權利要求書中公布了：1.一種基于多頭自注意力機制的深度學習紅外圖像去噪方法，其特征在于，包括以下步驟： S1：收集高清紅外圖像并進行預處理； 所述預處理，具體為： 向高清紅外圖像中添加高斯噪聲及泊松噪聲，設定高斯噪聲參數σ，泊松噪聲參數λ，生成帶噪聲的紅外圖像集合ILQ，每張圖像記為其中i＝1,2,...,M； S2：根據所述高清紅外圖像和預處理后的紅外圖像，得到數據集； S3：建立基于多頭自注意力機制的紅外去噪神經網絡，利用所述數據集對所述紅外去噪神經網絡進行訓練，得到訓練好的紅外去噪神經網絡； 所述基于多頭自注意力機制的紅外去噪神經網絡，具體為： 所述基于多頭自注意力機制的紅外去噪神經網絡包括局部特征提取模塊、全局特征提取模塊和圖像恢復模塊，其中，所述局部特征提取模塊提取紅外圖像中的局部特征信息Ilocal，所述全局特征提取模塊提取紅外圖像中的全局特征信息Iglobal，所述圖像恢復模塊將所述局部特征信息Ilocal和全局特征信息Iglobal融合后恢復為無噪聲的紅外圖像Irec； 所述局部特征提取模塊包括兩個卷積核大小為K的卷積層組成，記為Flocal，將維度為Cin的紅外圖像處理為維度為96的張量信息Ilocal∈RH×W×C，其中C＝96，H,W為圖像高度和長度尺寸，數學模型表示如下所示： Ilocal＝FlocalI0； 所述全局特征提取模塊具體為： 全局特征提取模塊的數學模型表示如下所示： Iglobal＝FglobalIlocal 上式中，Fglobal表示全局特征提取模塊，模塊中包含N個多頭自注意力計算模塊和一個卷積核大小為K的卷積操作，其中每個模塊提取特征I1,I2,...,IN以及全局特征Iglobal由MSAB逐步計算得出，其數學模型表示為： Ii＝FMASBIi-1,i＝1,2,...,N Iglobal＝FCONVIN 上式中FMASB表示多頭自注意力計算模塊，FCONV表示卷積操作，為減少計算量，方法采用滑動窗口多頭自注意力機制，注意力機制計算時首先將輸入Ilocal∈RH×W×C劃分為不重疊的尺寸為M×M的窗口，特征尺寸變為其中是窗口總數，然后在每個窗口內進行標準多頭自注意力計算，在一個滑窗內的特征它的query、key以及value計算過程如下： Q＝XPQ,K＝XPK,V＝XPV 上式中，PQ，PK和PV是窗口中的映射矩陣，不同窗口共享相同的映射矩陣；變換后自注意力計算方式如下： 上式中，B表示可學習的位置編碼； 使用多層特征感知機對特征進行進一步變換，數學模型如下： X＝WMSALNX+X X＝MLPLNX+X 上式中，WMSA代表窗口內多頭自注意力計算，MLP表示全連接的多層特征感知機，并添加LayerNormalization計算，LN表示LayerNormalization計算；隨后進行滑動窗口自注意力計算： X＝SWMSALNX+X X＝MLPLNX+X 上式中，SWMA代表滑動窗口后的多頭自注意力機制計算； S4：利用訓練好的紅外去噪神經網絡對帶噪聲的紅外圖像進行去噪。

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廣東工業大學，其通訊地址為：510090 廣東省廣州市越秀區東風東路729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”。