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！

龍圖騰網獲悉中國傳媒大學申請的專利一種基于集成學習模塊的多尺度圖像去模糊方法及系統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：CN116894787B 。

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：202310905542.2，技術領域涉及：G06T5/73；該發明授權一種基于集成學習模塊的多尺度圖像去模糊方法及系統是由吳文博;潘耘;王靜濤;李櫻設計研發完成，并于2023-07-21向國家知識產權局提交的專利申請。

本一種基于集成學習模塊的多尺度圖像去模糊方法及系統在說明書摘要公布了：本發明提供了一種基于集成學習模塊的多尺度圖像去模糊方法及系統，包括：對下采樣四倍的模糊圖像進行特征提取，并對第一淺層圖像特征進行處理；對下采樣兩倍的模糊圖像進行特征提取，并根據第一淺層圖像特征和第二淺層圖像特征進行融合并對第一融合特征進行特征增強和恢復；采用淺層特征提取網絡對原始模糊圖像進行特征提取，并根據第三淺層圖像特征和第二淺層圖像特征進行融合，并對第二融合特征進行特征增強和恢復；采用MAE函數和FFT函數優化第三重建圖像，得到去模糊后的圖像。本發明在不同尺度的圖像上使用不同感受野對其進行特征提取，并可以將不同感受野的特征集成后進行更精細的處理。本發明不僅收斂速度快而且還可以產生非常好的恢復效果。

本發明授權一種基于集成學習模塊的多尺度圖像去模糊方法及系統在權利要求書中公布了：1.一種基于集成學習模塊的多尺度圖像去模糊方法，其特征在于，包括： 對原始模糊圖像進行兩次雙線性插值操作，得到下采樣兩倍的模糊圖像和下采樣四倍的模糊圖像； 采用淺層特征提取網絡對所述下采樣四倍的模糊圖像進行特征提取，得到第一淺層圖像特征，并對所述第一淺層圖像特征進行處理，得到第一重建圖像； 采用淺層特征提取網絡對所述下采樣兩倍的模糊圖像進行特征提取，得到第二淺層圖像特征，并根據所述第一淺層圖像特征和所述第二淺層圖像特征進行融合，得到第一融合特征，并對所述第一融合特征進行特征增強和恢復，得到第二重建圖像； 采用淺層特征提取網絡對所述原始模糊圖像進行特征提取，得到第三淺層圖像特征，并根據所述第三淺層圖像特征和所述第二淺層圖像特征進行融合，得到第二融合特征，并對所述第二融合特征進行特征增強和恢復，得到第三重建圖像； 采用MAE函數和FFT函數優化所述第三重建圖像，得到去模糊后的圖像； 對所述第一淺層圖像特征進行處理，得到第一重建圖像，包括： 使用弱學習模塊對提取到的所述第一淺層圖像特征進行初步恢復； 將弱學習模塊中初步恢復的圖像集成后送入到強學習器中，以進行二次恢復； 采用空間特征增強模塊對提取到的所述第一淺層圖像特征進行空間特征增強，將強學習器中得到的恢復特征和空間特征增強模塊得到的空間特征融合后送入重建模塊得到第一重建圖像；所述弱學習模塊中包含若干個弱學習器，每個所述弱學習器和所述強學習器使用的是相同結構的編解碼器； 對所述第一融合特征進行特征增強和恢復，得到第二重建圖像，包括： 采用弱學習模塊對所述第一融合特征進行初步恢復； 使用空間特征增強模塊對第一融合特征進行空間特征增強，并將弱學習模塊中初步恢復的特征集成后送入到強學習器進行處理，得到恢復特征； 將空間增強特征和恢復特征融合后送入重建模塊中，得到所述第二重建圖像； 對所述第二融合特征進行特征增強和恢復，得到第三重建圖像，包括： 采用弱學習模塊對第二融合特征進行初步恢復，并使用空間特征增強模塊對第二融合特征進行空間特征增強； 將弱學習模塊中初步恢復的圖像集成后送入到強學習器進行處理； 將空間增強特征和強學習器中的恢復特征融合后送入重建模塊中得到所述第三重建圖像。

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傳媒大學，其通訊地址為：100020 北京市朝陽區定福莊東街1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”。