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！

龙图腾网获悉中国科学院西安光学精密机械研究所申请的专利一种宽谱段分布偏移下的湍流退化图像复原的域泛化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：CN120355604B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510847803.9，技术领域涉及：G06T5/60；该发明授权一种宽谱段分布偏移下的湍流退化图像复原的域泛化方法是由赵瑞妮;吕涛;王形锋;冯旭斌;谢梅林;郭敏设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本一种宽谱段分布偏移下的湍流退化图像复原的域泛化方法在说明书摘要公布了：本发明提供了一种宽谱段分布偏移下的湍流退化图像复原的域泛化方法，用于解决现有基于计算成像的数字自适应光学系统在光场建模方面存在可提升空间，或者基于数据驱动的湍流退化图像复原算法存在的泛化性差的技术问题。本发明提供的一种宽谱段分布偏移下的湍流退化图像复原的域泛化方法，采用在可见光波段上训练得到的基于UNet架构且参数被冻结的湍流退化图像复原模型生成“锁死”网络，并将“锁死”网络作为生成分支，对源域样本进行特征提取，将“锁死”网络的可训练副本作为引导分支，对目标域正样本或目标域负样本进行特征提取，最后将可见光波段特征和第一目标的短波波段特征进行融合，即可完成宽谱段分布偏移下的湍流退化图像复原。

本发明授权一种宽谱段分布偏移下的湍流退化图像复原的域泛化方法在权利要求书中公布了：1.一种宽谱段分布偏移下的湍流退化图像复原的域泛化方法，其特征在于，包括以下步骤： 步骤1，构建训练集和测试集；所述训练集包括基于第一目标的一一对应的可见光湍流退化图像D1、可见光清晰图像V1、短波湍流退化图像D2、短波清晰图像V2，以及基于第二目标的短波湍流退化图像D3；所述测试集包括基于第一目标的一一对应的可见光湍流退化图像D1和短波湍流退化图像D2； 步骤2，将训练集中的可见光湍流退化图像D1、短波湍流退化图像D2、短波湍流退化图像D3分别作为源域样本、目标域正样本和目标域负样本； 步骤3，构建湍流退化复原域泛化模型；所述湍流退化复原域泛化模型包括生成分支、引导分支和融合模块；所述生成分支为“锁死”网络，其为在可见光波段上训练得到的基于UNet架构且参数被冻结的湍流退化图像复原模型；引导分支包括按输入输出顺序依次设置的零卷积层Z1、可训练副本和零卷积层Z2； 所述“锁死”网络的输入端用于接收源域样本，以对源域样本进行特征提取，并对提取到的特征进行重建，获得三个不同深度的可见光波段特征；零卷积层Z1的输入端用于接收目标域正样本或目标域负样本，并将其扩展为三通道；可训练副本为“锁死”网络的可训练副本，其与“锁死”网络之间双向通信，可训练副本和零卷积层Z2用于对三通道的目标域正样本或目标域负样本进行特征提取，获得三个不同深度的第一目标短波波段特征或第二目标短波波段特征；所述融合模块的两个输入端分别连接“锁死”网络和零卷积层Z2的输出端，用于将三个不同深度的可见光波段特征与对应的第一目标短波波段特征进行融合，获得两个不同深度的融合特征； 步骤4，将源域样本输入“锁死”网络中，同时将目标域正样本或目标域负样本输入零卷积层Z1中，结合训练集中的可见光清晰图像V1、短波清晰图像V2以及训练过程中产生的三个不同深度的可见光波段特征、第一目标短波波段特征、第二目标短波波段特征以及融合特征，对湍流退化复原域泛化模型进行训练，获得训练好的湍流退化复原域泛化模型； 步骤5，将测试集中的可见光湍流退化图像D1和短波湍流退化图像D2分别对应输入训练好的湍流退化复原域泛化模型中的“锁死”网络和零卷积层Z1中，融合模块将三个不同深度的可见光波段特征和对应的第一目标的短波波段特征进行融合，输出短波波段湍流退化图像D2的复原清晰图像，完成宽谱段分布偏移下的湍流退化图像复原。

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中国科学院西安光学精密机械研究所，其通讯地址为：710119 陕西省西安市高新区新型工业园信息大道17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”。