买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学;杭州电子科技大学上虞科学与工程研究院有限公司申请的专利基于多个稀疏先验的可学习双层优化实现图像去模糊方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117152010B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311124855.0，技术领域涉及：G06T5/73；该发明授权基于多个稀疏先验的可学习双层优化实现图像去模糊方法是由程世超;刘华圣;张建海设计研发完成，并于2023-09-02向国家知识产权局提交的专利申请。

本基于多个稀疏先验的可学习双层优化实现图像去模糊方法在说明书摘要公布了：本发明公开了一种基于多个稀疏先验的可学习双层优化实现图像去模糊方法，包括如下步骤：S1、获取数据集并进行预处理；S2、构建上层优化模型，所述上层优化模型使用多尺度编码器‑解码器网络作为生成器，学习从模糊图像到清晰图像的映射；S3、基于多个稀疏约束构建下层优化模型，所述下层优化模型使用双分支鉴别器；S4、优化由上层优化模型和下层优化模型组成的双层模型，采用交替迭代的方式进行优化网格参数；S5、最优参数下测试新样本：基于步骤S4训练得到网络参数θG代入生成器中，并将新样本输入到网络参数为θG的生成器中，得到去模糊之后的清晰图像。该方法平衡生成器和判别器的博弈，提升GAN模型的学习能力，改善图像去模糊效果。

本发明授权基于多个稀疏先验的可学习双层优化实现图像去模糊方法在权利要求书中公布了：1.一种基于多个稀疏先验的可学习双层优化实现图像去模糊方法，其特征在于，包括如下步骤： S1、获取数据集并进行预处理； S2、构建上层优化模型，所述上层优化模型使用多尺度编码器-解码器网络作为生成器，学习从模糊图像到清晰图像的映射，该映射表述为： xG＝Gb；θG 其中G表示生成器，θG是生成器中的可学习参数； S3、基于多个稀疏约束构建下层优化模型，所述下层优化模型使用双分支鉴别器， 鉴别器的第一分支，采用真实清晰图像和生成的伪清晰图像之间的对抗性，把真实的清晰图像鉴别为真，把生成器生成的伪清晰图像鉴别为假，表达式如下： 其中是对图像真伪的预测，DT和分别是判别网络和相应的可学习参数； 鉴别器的第二分支基于图像的稀疏性，采用图像的梯度和暗通道特征作为图像的稀疏先验，把真实的清晰图像的稀疏图鉴别为真，把生成器生成的清晰图像的稀疏图鉴别为假，将基于稀疏的第二分支表达式如下， 其中是对稀疏性的预测，DS和表示判别网络和相应的可学习参数，SxG是稀疏函数； S4、优化由上层优化模型和下层优化模型组成的双层模型，采用交替迭代的方式进行优化网格参数； S5、最优参数下测试新样本：基于步骤S4训练得到网络参数θG代入生成器中，并将新样本输入到网络参数为θG的生成器中，得到去模糊之后的清晰图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学;杭州电子科技大学上虞科学与工程研究院有限公司，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。