買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西北工業(yè)大學(xué)申請(qǐng)的專利一種基于局部特征和全局表示的圖像去模糊方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116188306B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310131536.6，技術(shù)領(lǐng)域涉及：G06T5/73；該發(fā)明授權(quán)一種基于局部特征和全局表示的圖像去模糊方法是由張艷寧;閆慶森;孫瑾秋;劉勝?gòu)?qiáng);朱宇設(shè)計(jì)研發(fā)完成，并于2023-02-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于局部特征和全局表示的圖像去模糊方法在說(shuō)明書摘要公布了：本發(fā)明公開(kāi)了一種基于局部特征和全局表示的圖像去模糊方法，屬于圖像處理領(lǐng)域。該方法首先在編碼器中采用了動(dòng)態(tài)卷積模塊提取自適應(yīng)局部特征，使用較小的卷積核與層數(shù)較少的網(wǎng)絡(luò)提取到詳細(xì)信息；然后特征輸入混合模塊和局部增強(qiáng)的Transformer模塊中，這兩個(gè)模塊可以捕獲全局信息和高質(zhì)量的與全局相關(guān)的局部細(xì)節(jié)；再通過(guò)解碼器進(jìn)行上采樣，并使用監(jiān)督注意力模塊增強(qiáng)特征；之后通過(guò)跨階段特征融合模塊融合編碼器與解碼器的特征并指導(dǎo)第二階段的編碼器，因此可以自適應(yīng)地從動(dòng)態(tài)模糊的場(chǎng)景中提取有效特征，最后經(jīng)過(guò)與第一階段相同的網(wǎng)絡(luò)得到高質(zhì)量的去模糊的圖像。

本發(fā)明授權(quán)一種基于局部特征和全局表示的圖像去模糊方法在權(quán)利要求書中公布了：1.一種基于局部特征和全局表示的圖像去模糊方法，其特征在于，包括如下步驟： 步驟一：進(jìn)行第一階段特征提取操作，將模糊圖像A經(jīng)過(guò)卷積層，得到特征F0； 步驟二：特征F0輸入編碼器得到特征Z4，具體包括兩個(gè)子步驟： 子步驟1：特征F0通過(guò)編碼器中3個(gè)動(dòng)態(tài)卷積模塊得到特征F1，F(xiàn)2，F(xiàn)3，特征F3通過(guò)下采樣操作得到特征Z3； 所述編碼器由4個(gè)部件組成，前三個(gè)部件結(jié)構(gòu)相同，包括動(dòng)態(tài)卷積模塊和下采樣，第四個(gè)部件包括混合模塊和下采樣；第一個(gè)部件中，特征F0經(jīng)過(guò)動(dòng)態(tài)卷積模塊得到特征F1，然后經(jīng)過(guò)下采樣得到特征Z1，過(guò)程如下所示： F1＝DCBF01 Z1＝DownsampleF12 DCB·表示動(dòng)態(tài)卷積模塊，Downsample·表示下采樣過(guò)程；第二個(gè)部件結(jié)構(gòu)與第一個(gè)部件相同，特征Z1將作為第二個(gè)部件的輸入，經(jīng)過(guò)該部件得到特征F2與下采樣特征Z2；同樣，在第三個(gè)部件中得到特征F3與下采樣特征Z3； 所述的動(dòng)態(tài)卷積模塊不是使用CNN的固定參數(shù)，而是通過(guò)注意力自適應(yīng)地聚合4個(gè)卷積核來(lái)提高模型能力；首先通過(guò)注意力模塊得到4個(gè)卷積核的系數(shù)，然后將得到的系數(shù)與輸入卷積相乘，最后與輸入卷積相加；以F0作為動(dòng)態(tài)卷積模塊的輸入，F(xiàn)1作為輸出，動(dòng)態(tài)卷積模塊的操作過(guò)程中，注意力模塊的計(jì)算如下： FT＝ReLUFC1AvgPoolF03 式中AvgPool·是平均池化操作，F(xiàn)C1與FC2表示全連接網(wǎng)絡(luò)，通過(guò)注意力模塊得到四個(gè)系數(shù)最終動(dòng)態(tài)卷積模塊的輸出F1由以下公式計(jì)算得到： 式中Conv·表示1×1的卷積層； 子步驟2：特征Z3輸入混合模塊得到特征F4，然后下采樣得到特征Z4； 混合塊充當(dāng)動(dòng)態(tài)卷積模塊和局部增強(qiáng)的Transformer模塊之間的橋梁；混合塊由局部分支和全局分支組成，它們同時(shí)捕獲局部和全局特征；以特征Z3作為輸入，混合模塊過(guò)程如下： I特征Z3輸入局部分支得到特征 為了自適應(yīng)地從各種模糊中獲取優(yōu)勢(shì)特征，局部分支將動(dòng)態(tài)卷積集成到殘差塊中，給定輸入特征Z3，局部分支利用動(dòng)態(tài)卷積提取殘差特征圖局部分支的最終輸出特征是輸入特征Z3和殘差特征的總和，公式如下所示： II輸入特征Z3通過(guò)全局分支得到特征 全局分支中輸入特征Z3將被一維化并嵌入位置編碼，得到新的特征該特征將作為輸入局部增強(qiáng)的Transformer模塊，輸出經(jīng)過(guò)上采樣后得到全局分支的輸出 以作為輸入，作為輸出，局部增強(qiáng)的Transformer模塊工作過(guò)程如下：；局部增強(qiáng)的Transformer模塊利用部分局部信息來(lái)增強(qiáng)特征全局表示的精細(xì)細(xì)節(jié)；該模塊由多頭注意力MHA、前饋分支FFB和局部分支LB組成，模塊中多頭注意力和前饋分支之前采用一個(gè)歸一化層Norm，在多頭注意力和最終輸出部分應(yīng)用了一個(gè)殘差連接；因此該模塊的輸出可以由以下公式表示： III混合模塊中局部分支輸出為全局分支輸出是局部增強(qiáng)的Transformer模塊輸出上采樣得到，所以混合模塊輸出F4如下： 步驟三：特征Z4輸入混合模塊與局部增強(qiáng)的Transformer模塊，得到新的特征Z5； 經(jīng)過(guò)編碼器得到的特征Z4，將輸入混合模塊與局部增強(qiáng)的Transformer模塊，得到新的特征Z5，這里的混合模塊與局部增強(qiáng)的Transformer模塊與編碼器中的混合模塊與局部增強(qiáng)的Transformer模塊結(jié)構(gòu)相同； 步驟四：特征Z5通過(guò)解碼器得到特征Z6； 特征Z5輸入解碼器，解碼器由4個(gè)上采樣和動(dòng)態(tài)卷積模塊組成的部件構(gòu)成，其中動(dòng)態(tài)卷積模塊與編碼器的動(dòng)態(tài)卷積模塊結(jié)構(gòu)相同；與編碼器類似，動(dòng)態(tài)卷積模塊輸出為4個(gè)不同階段的特征其中L＝4；解碼器最終得到上采樣特征Z6是第四個(gè)部件中動(dòng)態(tài)卷積模塊的輸出F′ 4； 步驟五：解碼器輸出特征Z6輸入監(jiān)督注意力模塊得到突出特征Z7和去模糊圖像B； 監(jiān)督注意力模塊SAM用于多階段網(wǎng)絡(luò)中，可以提供對(duì)每個(gè)階段的漸進(jìn)式圖像恢復(fù)有用的監(jiān)督信號(hào)，并生成注意力圖來(lái)抑制當(dāng)前階段信息量較少的特征，只允許有用的特征傳播到下一階段；解碼器輸出的上采樣特征Z6經(jīng)過(guò)監(jiān)督注意力模塊得到突出特征Z7將作為監(jiān)督信號(hào)指導(dǎo)第二階段圖像去模糊，同時(shí)輸出去模糊圖像B； 下面以Z6為輸入，介紹監(jiān)督注意力模塊： 監(jiān)督注意力模塊輸入特征特征Z6∈RC×H×W，首先通過(guò)簡(jiǎn)單的1×1卷積生成殘差圖像其中H×W表示空間維度，C為通道數(shù)；將殘差圖像與退化后的輸入圖像I相加，得到恢復(fù)圖像Xs∈RC×H×3；根據(jù)真實(shí)圖像的顯式監(jiān)督預(yù)測(cè)圖像Xs，使用1×1卷積和sigmoid激活函數(shù)從圖像Xs生成每個(gè)像素的注意力掩碼M∈RC×H×W；然后使用這些掩碼重新校準(zhǔn)通過(guò)1×1卷積轉(zhuǎn)換后的局部特征Z6，從而產(chǎn)生添加到恒等映射路徑的注意力引導(dǎo)特征；最后，由監(jiān)督注意力模塊生成的注意力增強(qiáng)特征表示Z7被傳遞到下一階段進(jìn)行進(jìn)一步處理，同時(shí)輸出去模糊圖像B； 步驟六：進(jìn)行第二階段特征提取操作，模糊圖像A經(jīng)過(guò)該操作得到特征 模糊圖像A經(jīng)過(guò)卷積并與第一階段監(jiān)督注意力模塊輸出的增強(qiáng)特征Z7融合，再經(jīng)過(guò)卷積得到特征計(jì)算過(guò)程如下： 步驟七：第一階段編碼器特征和解碼器的特征經(jīng)過(guò)跨階段特征融合模塊得到融合特征 為了有效地處理由于下采樣和上采樣造成的信息丟失，本發(fā)明在第一階段編碼器-解碼器之間采用了跨階段特征融合CSFF模塊；在跨階段特征融合模塊中來(lái)自編碼器和解碼器的特征經(jīng)過(guò)卷積后與下一階段的編碼器特征相加得到融合特征計(jì)算公式如下： 式中，與分別為第N階段的編碼器與解碼器特征，為第N+1階段的編碼器特征；編碼器的特征與解碼器的特征經(jīng)過(guò)跨階段特征融合模塊得到融合特征公式如下： 步驟八：特征與融合特征輸入第二階段編碼器，得到特征 第二階段的編碼器結(jié)構(gòu)與第一階段相同，由4個(gè)部件組成，前三個(gè)部件結(jié)構(gòu)相同，包括動(dòng)態(tài)卷積模塊和下采樣，第四個(gè)部件包括混合模塊和下采樣；第二階段編碼器每個(gè)部件的輸入是前一個(gè)部件的輸出與對(duì)應(yīng)的第一階段的融合特征相加，即： 式中，為當(dāng)前部件的輸入，F(xiàn)″l為第一階段的融合特征，為前一個(gè)部件的輸出，其中L＝4； 經(jīng)過(guò)編碼器四個(gè)部件后，得到特征 步驟九：特征輸入混合模塊與局部增強(qiáng)的Transformer模塊得到特征 第二階段的混合模塊與局部增強(qiáng)的Transformer模塊與第一階段的結(jié)構(gòu)相同，經(jīng)過(guò)該部件后，得到特征 步驟十：特征輸入解碼器得到特征 第二階段的解碼器與第一階段的結(jié)構(gòu)相同，經(jīng)過(guò)解碼器后，得到上采樣特征 步驟十一：上采樣特征經(jīng)過(guò)卷積得到最終去模糊的圖像C； 解碼器輸出的上采樣特征經(jīng)過(guò)卷積得到最終去模糊的圖像C，過(guò)程如下： 。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西北工業(yè)大學(xué)，其通訊地址為：710072 陜西省西安市友誼西路；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。