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院西安光學精密機械研究所申請的專利一種寬譜段分布偏移下的湍流退化圖像復原的域泛化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：CN120355604B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202510847803.9，技術領域涉及：G06T5/60；該發明授權一種寬譜段分布偏移下的湍流退化圖像復原的域泛化方法是由趙瑞妮;呂濤;王形鋒;馮旭斌;謝梅林;郭敏設計研發完成，并于2025-06-24向國家知識產權局提交的專利申請。

本一種寬譜段分布偏移下的湍流退化圖像復原的域泛化方法在說明書摘要公布了：本發明提供了一種寬譜段分布偏移下的湍流退化圖像復原的域泛化方法，用于解決現有基于計算成像的數字自適應光學系統在光場建模方面存在可提升空間，或者基于數據驅動的湍流退化圖像復原算法存在的泛化性差的技術問題。本發明提供的一種寬譜段分布偏移下的湍流退化圖像復原的域泛化方法，采用在可見光波段上訓練得到的基于UNet架構且參數被凍結的湍流退化圖像復原模型生成“鎖死”網絡，并將“鎖死”網絡作為生成分支，對源域樣本進行特征提取，將“鎖死”網絡的可訓練副本作為引導分支，對目標域正樣本或目標域負樣本進行特征提取，最后將可見光波段特征和第一目標的短波波段特征進行融合，即可完成寬譜段分布偏移下的湍流退化圖像復原。

本發明授權一種寬譜段分布偏移下的湍流退化圖像復原的域泛化方法在權利要求書中公布了：1.一種寬譜段分布偏移下的湍流退化圖像復原的域泛化方法，其特征在于，包括以下步驟： 步驟1，構建訓練集和測試集；所述訓練集包括基于第一目標的一一對應的可見光湍流退化圖像D1、可見光清晰圖像V1、短波湍流退化圖像D2、短波清晰圖像V2，以及基于第二目標的短波湍流退化圖像D3；所述測試集包括基于第一目標的一一對應的可見光湍流退化圖像D1和短波湍流退化圖像D2； 步驟2，將訓練集中的可見光湍流退化圖像D1、短波湍流退化圖像D2、短波湍流退化圖像D3分別作為源域樣本、目標域正樣本和目標域負樣本； 步驟3，構建湍流退化復原域泛化模型；所述湍流退化復原域泛化模型包括生成分支、引導分支和融合模塊；所述生成分支為“鎖死”網絡，其為在可見光波段上訓練得到的基于UNet架構且參數被凍結的湍流退化圖像復原模型；引導分支包括按輸入輸出順序依次設置的零卷積層Z1、可訓練副本和零卷積層Z2； 所述“鎖死”網絡的輸入端用于接收源域樣本，以對源域樣本進行特征提取，并對提取到的特征進行重建，獲得三個不同深度的可見光波段特征；零卷積層Z1的輸入端用于接收目標域正樣本或目標域負樣本，并將其擴展為三通道；可訓練副本為“鎖死”網絡的可訓練副本，其與“鎖死”網絡之間雙向通信，可訓練副本和零卷積層Z2用于對三通道的目標域正樣本或目標域負樣本進行特征提取，獲得三個不同深度的第一目標短波波段特征或第二目標短波波段特征；所述融合模塊的兩個輸入端分別連接“鎖死”網絡和零卷積層Z2的輸出端，用于將三個不同深度的可見光波段特征與對應的第一目標短波波段特征進行融合，獲得兩個不同深度的融合特征； 步驟4，將源域樣本輸入“鎖死”網絡中，同時將目標域正樣本或目標域負樣本輸入零卷積層Z1中，結合訓練集中的可見光清晰圖像V1、短波清晰圖像V2以及訓練過程中產生的三個不同深度的可見光波段特征、第一目標短波波段特征、第二目標短波波段特征以及融合特征，對湍流退化復原域泛化模型進行訓練，獲得訓練好的湍流退化復原域泛化模型； 步驟5，將測試集中的可見光湍流退化圖像D1和短波湍流退化圖像D2分別對應輸入訓練好的湍流退化復原域泛化模型中的“鎖死”網絡和零卷積層Z1中，融合模塊將三個不同深度的可見光波段特征和對應的第一目標的短波波段特征進行融合，輸出短波波段湍流退化圖像D2的復原清晰圖像，完成寬譜段分布偏移下的湍流退化圖像復原。

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院西安光學精密機械研究所，其通訊地址為：710119 陜西省西安市高新區新型工業園信息大道17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”。