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！

龙图腾网恭喜浙江工业大学申请的专利一种基于多尺度特征加权的图像去模糊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：CN119151827B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202411612322.1，技术领域涉及：G06T5/73；该发明授权一种基于多尺度特征加权的图像去模糊方法是由王宪保;郑雅馀;刘豪;左顺文;钟恩烨;左亚洁;程宝杭设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种基于多尺度特征加权的图像去模糊方法在说明书摘要公布了：本发明公开了一种基于多尺度特征加权的图像去模糊方法，包括：采集真实场景的模糊船牌图片数据得到初步数据集，并使用模糊估计网络从其中估计基础模糊核和混合系数；获取一组清楚船牌图片，使用基础模糊核和混合系数将其转化为模糊船牌图片，集合各清楚‑模糊船牌图像对，得到清楚模糊数据集；构建以多尺度特征提取网络为基础，融合了特征加权融合模块的去模糊模型；利用清楚模糊数据集训练去模糊模型，并通过基于频域的损失函数对去模糊模型进行优化；将待处理的模糊图像输入训练好的去模糊模型中，得到清楚图像。本发明能更好地还原其细节特征，提升了去模糊效果和生成图像整体的清晰度和准确性。

本发明授权一种基于多尺度特征加权的图像去模糊方法在权利要求书中公布了：1.一种基于多尺度特征加权的图像去模糊方法，其特征在于，包括以下步骤：S1：采集真实场景的模糊船牌图片数据得到初步数据集；S2：使用模糊估计网络从初步数据集中估计基础模糊核和混合系数；所述模糊估计网络包括编码器和解码器，编码器包括五个下采样模块，每个下采样模块有两层，每层包括一个卷积层和一个LeakyReLU激活函数；编码器的输出经过一个卷积块后分别输入解码器的模糊核头和混合系数头中，所述模糊核头用于输出一组基础模糊核，混合系数头用于输出混合系数；所述模糊核头和混合系数头均包括五个上采样模块，每个上采样模块包括一个双线性上采样层和三个卷积层；所述下采样模块中的第二个卷积层和上采样模块中的第二个卷积层之间存在跳跃连接，且模糊核头的跳跃连接处设置全局平均池化层；S3：获取一组清楚船牌图片，使用所述基础模糊核和混合系数将清楚船牌图片转化为模糊船牌图片，得到清楚模糊数据集；S4：构建以多尺度特征提取网络为基础，融合了特征加权融合模块的去模糊模型；所述多尺度特征提取网络包括特征编码器和特征解码器，特征编码器有多层，每层包括一个特征提取模块和一个下采样模块；特征解码器有多层，每层包括一个上采样模块和一个特征提取模块；特征编码器和特征解码器之间由一个特征提取模块连接；每个尺度下特征加权融合模块的第一输入为特征编码器中同一尺度下的特征提取模块的输出，即低级特征，第二输入为同一尺度下的上采样模块的输出，即高级特征；特征加权融合模块对输入进行加权融合后，输出的加权融合特征作为特征解码器中同一尺度下的特征提取模块的输入；所述S4中，特征加权融合模块包括多头注意力模块和1x1卷积层；所述多头注意力模块用于对输入的低级特征和高级特征进行加权融合，融合过程中使用Sigmoid激活函数，融合后的特征图经过1x1卷积层，输入到同一尺度的特征提取模块中；所述多头注意力模块包括：空间注意力模块、通道注意力模块、像素注意力模块；空间注意力模块得到的空间注意力特征图Satt表达式如下： 式中，Conv2d表示带有反射填充的二维卷积操作；Concat表示在通道维度上拼接；Xγ在数值上与输入的低级特征和高级特征之和Xadd相等，形状为N，C，H，W，N表示输入特征图的批次，C表示输入特征图的通道数，H表示输入特征图的高度，W表示输入特征图的宽度；通道注意力模块得到的通道注意力特征图Catt表达式如下： 式中，Conv2d·,·,1表示使用1x1卷积核的二维卷积操作，其中，第一个参数是输入特征图，第二个参数是输出通道数，第三个参数是卷积核大小；r是通道数的缩减率；Xαβ在数值上与Xadd相等，形状为N，C，H，W；像素注意力模块得到的像素注意力特征图ε表达式如下：ε＝SigmoidConv2dconcatXadd,Satt+Catt以像素注意力特征图为权重，将所述低级特征与高级特征进行加权求和，得到的加权融合特征Ffuse的表达式如下：Ffuse＝C1×1Flow·ε+Fhigh·1-ε+Flow+Fhigh式中，C1×1表示1×1卷积，Flow表示特征编码器生成的低级特征；Fhigh表示特征解码器生成的高级特征；S5：利用所述清楚模糊数据集训练所述去模糊模型，并通过基于频域的损失函数对去模糊模型进行优化；S6：将待处理的模糊图像输入训练好的去模糊模型中，得到清楚图像。

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工业大学，其通讯地址为：310014 浙江省杭州市下城区朝晖六区潮王路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”。