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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉電子科技大學(xué)申請的專利一種基于感知引導(dǎo)的退化圖像恢復(fù)方法獲國家發(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：CN119624786B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-26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：202411780271.3，技術(shù)領(lǐng)域涉及：G06T5/00；該發(fā)明授權(quán)一種基于感知引導(dǎo)的退化圖像恢復(fù)方法是由張顯石;李振豪;李永杰設(shè)計研發(fā)完成，并于2024-12-05向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于感知引導(dǎo)的退化圖像恢復(fù)方法在說明書摘要公布了：本發(fā)明公開了一種基于感知引導(dǎo)的退化圖像恢復(fù)方法，首先構(gòu)建一個包含“感知分支”與“恢復(fù)分支”的雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)，并構(gòu)建分類任務(wù)數(shù)據(jù)集和恢復(fù)任務(wù)數(shù)據(jù)集，分別用于訓(xùn)練感知網(wǎng)絡(luò)和恢復(fù)網(wǎng)絡(luò)，最后將得到的訓(xùn)練好的雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)，輸入真實退化圖像，獲得最終輸出的恢復(fù)圖像。本發(fā)明的方法分析了現(xiàn)實場景中圖像退化的復(fù)雜性和多樣性，克服了僅針對單一退化模式的局限性，通過引入多個子任務(wù)的約束條件，有效增強了感知網(wǎng)絡(luò)對圖像退化狀態(tài)的評估精度與泛化能力，能夠針對不同圖像特征，自適應(yīng)分配和優(yōu)化計算資源，實現(xiàn)了計算效率與恢復(fù)質(zhì)量的雙重提升，在確保高性能的同時，不會導(dǎo)致大量計算資源的消耗，部署過程更為便捷靈活。

本發(fā)明授權(quán)一種基于感知引導(dǎo)的退化圖像恢復(fù)方法在權(quán)利要求書中公布了：1.一種基于感知引導(dǎo)的退化圖像恢復(fù)方法，具體步驟如下： S1、構(gòu)建一個包含“感知分支”與“恢復(fù)分支”的雙分支神經(jīng)網(wǎng)絡(luò)架構(gòu)； 所述雙分支神經(jīng)網(wǎng)絡(luò)包括：感知網(wǎng)絡(luò)、恢復(fù)網(wǎng)絡(luò)；所述感知分支即感知網(wǎng)絡(luò)，恢復(fù)分支即恢復(fù)網(wǎng)絡(luò)； 其中，感知網(wǎng)絡(luò)即一個包括18層卷積層的特征提取網(wǎng)絡(luò)，恢復(fù)網(wǎng)絡(luò)即一個包括24個平行卷積模塊，5個卷積調(diào)制模塊和10個平行卷積注意力模塊的神經(jīng)網(wǎng)絡(luò)； 所述感知網(wǎng)絡(luò)分為四個block，每個block包括：2個3×3的卷積層，1個BatchNorm層和1個ReLU激活函數(shù)；第一個block輸出通道數(shù)為64，尺寸為輸入圖像的12的特征圖；第二個block輸出通道數(shù)為128，尺寸為輸入圖像14的特征圖；第三個block輸出通道數(shù)為256，尺寸為輸入圖像18的特征圖，第四個block輸出通道數(shù)為512，尺寸為輸入圖像116的特征圖； 平行卷積模塊由k+1個卷積層并聯(lián)后串聯(lián)1個卷積層構(gòu)成，卷積調(diào)制模塊由2個全連接層和1個Softmax激活層構(gòu)成，平行卷積注意力模塊由1個平行卷積模塊加上1個感知引導(dǎo)注意力模塊構(gòu)成； 其中，感知引導(dǎo)注意力模塊包括：1個空間注意力模塊，1個通道注意力模塊，1個channelshuffle層，一個GConv，一個sigmoid激活函數(shù)； S2、構(gòu)建分類任務(wù)數(shù)據(jù)集和恢復(fù)任務(wù)數(shù)據(jù)集，分別用于訓(xùn)練感知網(wǎng)絡(luò)和恢復(fù)網(wǎng)絡(luò)； 收集k類包括退化圖像和其對應(yīng)參考圖像的圖像對各9N對；選取其中N對圖像進行類別標(biāo)注作為分類任務(wù)數(shù)據(jù)集，用于感知網(wǎng)絡(luò)的訓(xùn)練；剩余8N對圖像無需進行標(biāo)注，用于恢復(fù)網(wǎng)絡(luò)的訓(xùn)練； 其中，k表示退化的類別數(shù)目； S3、利用步驟S2中的分類任務(wù)數(shù)據(jù)集訓(xùn)練感知網(wǎng)絡(luò)，然后將步驟S2中恢復(fù)任務(wù)數(shù)據(jù)集中的退化圖像送入訓(xùn)練后的感知網(wǎng)絡(luò)，得到與輸入退化圖像對應(yīng)的特征圖、特征向量和分類結(jié)果； S4、利用恢復(fù)任務(wù)數(shù)據(jù)集和步驟S3中感知網(wǎng)絡(luò)輸出的圖像分類結(jié)果，指導(dǎo)恢復(fù)網(wǎng)絡(luò)進行第一次訓(xùn)練，優(yōu)化恢復(fù)網(wǎng)絡(luò)中特定的卷積核參數(shù)； 所述步驟S4具體如下： 所述平行卷積模塊中包括：k個提取獨特特征的卷積核W1,W2，```Wk和1個提取普遍特征的卷積核W0； 將恢復(fù)任務(wù)數(shù)據(jù)集中的退化圖像輸入恢復(fù)網(wǎng)絡(luò)，計算恢復(fù)網(wǎng)絡(luò)的輸出與退化圖像對應(yīng)的參考圖像之間的重構(gòu)損失Lossrecon1；將重構(gòu)損失Lossrecon1作為損失函數(shù)，并根據(jù)步驟S3中的分類結(jié)果i，指導(dǎo)平行卷積模塊中的第i個卷積核Wi以及卷積核W0的參數(shù)進行更新優(yōu)化； 其中，重構(gòu)損失Lossrecon1表達式如下： Lossrecon1＝‖y-ypred1‖ 其中，y表示退化圖像對應(yīng)的參考圖像，ypred1表示退化圖像經(jīng)過恢復(fù)網(wǎng)絡(luò)后的輸出； 參數(shù)更新優(yōu)化過程表達式如下： w＝argminw‖fw,x-y‖ 其中，w表示第i個卷積核Wi以及卷積核W0的參數(shù)，fw,x表示退化圖像經(jīng)過恢復(fù)網(wǎng)絡(luò)后的輸出，x表示輸入的退化圖像，y表示退化圖像對應(yīng)的參考圖像； S5、利用恢復(fù)任務(wù)數(shù)據(jù)集和步驟S3中得到的特征向量、特征圖，指導(dǎo)恢復(fù)網(wǎng)絡(luò)進行第二次訓(xùn)練； S6、將真實退化圖像輸入訓(xùn)練后的感知網(wǎng)絡(luò)，得到真實退化圖像對應(yīng)的特征圖、特征向量，隨后再將真實退化圖像和對應(yīng)的特征圖、特征向量共同輸入完成兩次訓(xùn)練后的恢復(fù)網(wǎng)絡(luò)中，獲得最終輸出的恢復(fù)圖像。

如需購買、轉(zhuǎn)讓、實施、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)人電子科技大學(xué)，其通訊地址為：611731 四川省成都市高新區(qū)(西區(qū))西源大道2006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)”。