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)獲悉南京郵電大學(xué)申請的專利一種圖像運(yùn)動(dòng)模糊去除方法、裝置、電子設(shè)備及介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116823642B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05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?zhí)?專利號為：202310649823.6，技術(shù)領(lǐng)域涉及：G06T5/73；該發(fā)明授權(quán)一種圖像運(yùn)動(dòng)模糊去除方法、裝置、電子設(shè)備及介質(zhì)是由張登銀;鮑一飛;英俊豪;陳燦;周超設(shè)計(jì)研發(fā)完成，并于2023-06-02向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種圖像運(yùn)動(dòng)模糊去除方法、裝置、電子設(shè)備及介質(zhì)在說明書摘要公布了：本發(fā)明公開了一種圖像運(yùn)動(dòng)模糊去除方法、裝置、電子設(shè)備及介質(zhì)，包括獲取待去運(yùn)動(dòng)模糊的模糊圖像；將所獲取的模糊圖像輸入預(yù)先構(gòu)建并訓(xùn)練好的基于多尺度特征融合模塊與局部通道信息交互模塊的圖像運(yùn)動(dòng)模糊去除模型中，獲得清晰圖像；其中，所述圖像運(yùn)動(dòng)模糊去除模型是通過多尺度特征融合模塊提取不同空間尺度和不同頻率的特性信息后進(jìn)行特征融合，并通過局部通道信息交互模塊將融合后的特征圖以一維卷積的方式進(jìn)行局部通道信息交互，再采用數(shù)據(jù)集以基于對抗損失與內(nèi)容損失的損失函數(shù)最小為目標(biāo)訓(xùn)練獲得的。本發(fā)明能夠有效消除偽影和恢復(fù)紋理細(xì)節(jié)，進(jìn)一步提高了圖像的清晰度。

本發(fā)明授權(quán)一種圖像運(yùn)動(dòng)模糊去除方法、裝置、電子設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種圖像運(yùn)動(dòng)模糊去除方法，其特征在于，所述方法包括： 獲取待去運(yùn)動(dòng)模糊的模糊圖像； 將所獲取的模糊圖像輸入預(yù)先構(gòu)建并訓(xùn)練好的基于多尺度特征融合模塊與局部通道信息交互模塊的圖像運(yùn)動(dòng)模糊去除模型中，獲得清晰圖像； 其中，所述圖像運(yùn)動(dòng)模糊去除模型是通過多尺度特征融合模塊提取不同空間尺度和不同頻率的特性信息后進(jìn)行特征融合，并通過局部通道信息交互模塊將融合后的特征圖以一維卷積的方式進(jìn)行局部通道信息交互，再采用數(shù)據(jù)集以基于對抗損失與內(nèi)容損失的損失函數(shù)最小為目標(biāo)訓(xùn)練獲得的； 所述局部通道信息交互模塊包括全局平均池化層和一維卷積層； 所述融合后的特征圖以一維卷積的方式進(jìn)行局部通道信息交互的步驟包括： 獲取多尺度特征融合模塊輸出的融合特征圖； 利用全局平均池化層對所述融合特征圖進(jìn)行全局平均池化GAP操作，其表達(dá)式為： ； 式中，表示將融合特征圖進(jìn)行全局平均池化，，表示融合特征圖的寬和高，表示融合特征圖中第行第列的像素值，輸出用表示； 通過一維卷積層將全局平均池化后的輸出進(jìn)行局部通道信息的交互，其表達(dá)式為： ； 式中，表示交互后的通道注意力權(quán)重，表示一維卷積核，為卷積核的大小，表示Sigmod激活函數(shù)； 將所述通道注意力權(quán)重與融合特征圖相乘，以賦予融合特征圖通道注意力，獲得信息交互特征圖。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京郵電大學(xué)，其通訊地址為：210023 江蘇省南京市棲霞區(qū)文苑路9號；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)”。