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！

龍圖騰網獲悉中國科學技術大學申請的專利一種基于降質關聯性利用的多降質圖像復原方法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：CN117011166B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：202310760188.9，技術領域涉及：G06T5/77；該發明授權一種基于降質關聯性利用的多降質圖像復原方法是由趙峰;張景皓設計研發完成，并于2023-06-25向國家知識產權局提交的專利申請。

本一種基于降質關聯性利用的多降質圖像復原方法在說明書摘要公布了：本發明涉及圖像復原領域，具體涉及一種基于降質關聯性利用的多降質圖像復原方法，該方法包括：以任意Transformer架構的通用圖像復原網絡為骨干網絡構建圖像復原模型，對訓練涉及的降質類型分別建立對應的先驗碼本，每一先驗碼本負責提取對應類型降質特征中的降質信息，并結合該類型降質的形成原理進行恢復。在分解空間集成所有降質類型的先驗碼本得到統一的降質成分先驗碼本。降質成分先驗碼本負責提取所有類型降質特征中的降質信息，并依據降質形成原理的預測結果進行動態加權恢復。定義模型損失訓練圖像復原模型，使用完成訓練的圖像復原網絡對降質圖片進行復原。當降質類型數量增多時，本發明可拓展性強；且對于未見降質，模型也能表現出較好的泛化性。

本發明授權一種基于降質關聯性利用的多降質圖像復原方法在權利要求書中公布了：1.一種基于降質關聯性利用的多降質圖像復原方法，其特征在于，包括以下步驟： 步驟一，以任意Transformer架構的通用圖像復原網絡為骨干網絡構建圖像復原模型； 步驟二，對訓練過程中涉及到的K種降質類型，分別建立對應的先驗碼本k∈[1，K]為降質類型； 步驟三，準備K種降質類型的圖像，其中同種降質類型的圖像作為一個批次，每個降質圖像D都對應一個干凈圖像Y與降質類型標簽y，將所述圖像預處理后作為降質類型導向的知識收集訓練數據； 步驟四，定義骨干網絡每個尺度輸出的圖像特征為輸入特征xi，i代表骨干網絡每個尺度的序號，計算輸入特征xi的降質強化特征SDAMxi；設該批次圖像降質類型為k，根據先驗碼本和降質強化特征SDAMxi對輸入特征xi依據該類型降質的形成原理進行恢復，得到偽干凈特征x′i，將偽干凈特征x′i作為骨干網絡下一尺度的輸入特征； 步驟五，將輸入降質圖像D輸入圖像復原模型，生成恢復圖像I； 步驟六，定義生成恢復圖像步驟的重構損失定義降質分類損失則降質類型導向的知識收集的總體損失函數λcls為平衡重構損失與分類損失的參數； 步驟七，根據降質類型導向的知識收集的總體損失函數訓練圖像復原模型，直到達到預設的訓練完成條件； 步驟八，集成所有降質類型的先驗碼本得到統一的降質成分先驗 步驟九，準備一個批次包含不種降質類型的圖像，將所述圖像預處理后作為降質成分導向的知識整理訓練數據； 步驟十，計算輸入特征xi的降質強化特征SDAMxi，以統一的降質成分先驗對降質強化特征SDAMxi中的降質信息進行提取得到由降質成分先驗聚合的降質表示 步驟十一，根據降質成分先驗聚合的降質表示對輸入特征xi依據預測所得降質類型進行基于降質形成原理的動態恢復，得到偽干凈特征x′i，將偽干凈特征x′i作為骨干網絡下一尺度的輸入特征； 步驟十二，根據步驟五重新生成恢復圖像； 步驟十三，以重構損失作為降質成分導向的知識整理的總體損失訓練圖像復原模型，直到達到預設的訓練完成條件； 步驟十四，使用完成訓練的圖像復原模型對降質圖像進行復原。

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中國科學技術大學，其通訊地址為：230026 安徽省合肥市包河區金寨路96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”。