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！

龙图腾网获悉人工智能与数字经济广东省实验室(广州)申请的专利基于多尺度动态特征聚合的图像摩尔纹噪声去除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：CN116485666B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202310306988.3，技术领域涉及：G06T5/70；该发明授权基于多尺度动态特征聚合的图像摩尔纹噪声去除方法是由许若涛;韦志宇;雷正华;邱云中设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本基于多尺度动态特征聚合的图像摩尔纹噪声去除方法在说明书摘要公布了：本发明公开一种基于多尺度动态特征聚合的图像摩尔纹噪声去除方法，分别构造残差密集块、尺度特征提取融合模块和主旁路动态编码模块，将残差密集块和尺度特征提取融合模块融合为组合模块，并对组合模块采用跳跃连接，主旁路动态编码模块结构采用残差连接，组合模块与主旁路动态编码模块按照预设方式耦合，构成深度卷积神经网络。本发明的有益效果是：针对摩尔纹噪音的多尺度特征融合不足提出了多尺度特征提取融合模块用于更好的利用多尺度特征信息，更好的实现信息的交流融合，同时，针对摩尔纹噪音的动态纹理特征提出了主旁路动态编码模块专门用于编码样本自适应的摩尔纹噪音。最终将两种模块整合进一个框架以实现摩尔纹噪音的去除。

本发明授权基于多尺度动态特征聚合的图像摩尔纹噪声去除方法在权利要求书中公布了：1.一种基于多尺度动态特征聚合的图像摩尔纹噪声去除方法，其特征在于，包括以下步骤： 选择去摩尔纹噪音数据集，根据所述去摩尔纹噪音数据集的性质生成训练使用的图像对； 分别构造残差密集块、尺度特征提取融合模块和主旁路动态编码模块，将所述残差密集块和所述尺度特征提取融合模块融合为组合模块，并对所述组合模块采用跳跃连接，所述主旁路动态编码模块结构采用残差连接，所述组合模块与所述主旁路动态编码模块按照预设方式耦合，构成深度卷积神经网络； 将所述图像对中带摩尔纹噪音图像输入所述深度卷积神经网络，输出去摩尔纹噪音图像； 计算所述去摩尔纹噪音图像与所述图像对中的清晰图像之间的损失函数，并对所述深度卷积神经网络进行训练； 从所述去摩尔纹噪音数据集中选择测试集，将所述测试集中带摩尔纹噪音图像输入训练好的所述深度卷积神经网络，输出对应的去摩尔纹噪音图像； 所述残差密集块包括m层卷积层，前m-1层的卷积层包括对应尺度通道数量的滤波器和激活函数，第m层的卷积层包括对应尺度通道数量的滤波器，其中，第1层的卷积层的输入为所述图像对，其他层的卷积层的输入为前一层卷积层的输出和所述图像对沿尺度通道维度的拼接，第m层卷积层输出的第一输出值输入到所述尺度特征提取融合模块的输入端； 所述尺度特征提取融合模块包括n个参数共享的空洞卷积层，各个所述空洞卷积层采用相同的卷积参数，以及采用不同的空洞系数，所述空洞卷积层利用卷积操作捕捉不同尺度大小但形状相似的尺度特征信息，然后将所述尺度特征信息与所述第一输出值沿通道维度拼接，使用1×1卷积将不同尺度的所述尺度特征信息进行初步融合并使用激活函数，然后对初步融合的所述尺度特征信息使用通道注意力机制，最后再次使用1×1卷积和激活函数完成最终的信息融合，输出第二输出值； 所述尺度特征提取融合模块输出的所述第二输出值与所述图像对相加，得到最终输出，所述最终输出输入到所述主旁路动态编码模块； 所述主旁路动态编码模块包括依次堆叠的S个动态编码模块，以及分别耦合在所述动态编码模块前后级的卷积层，每个所述动态编码模块均包括主路和旁路，对于前S-1个所述动态编码模块，每条所述主路均包括一个主路卷积层，以及耦合在主路卷积层后的一个主路DDF模块，每条所述旁路均包括一个旁路卷积层，以及耦合在旁路卷积层后的一个旁路DDF模块，第S个所述动态编码模块的主路包括一个主路卷积层，以及耦合在主路卷积层后的一个主路DDF模块，第S个所述动态编码模块的旁路仅包括一个卷积层，前级的主路DDF和模块和旁路DDF模块分别与后级的主路卷积层和旁路卷积层耦合； 对于任意的前S-1个所述动态编码模块，同一所述动态编码模块的旁路卷积层还与主路DDF模块耦合； 所述深度卷积神经网络包括t层尺度，所述组合模块包括第一组合模块和第二组合模块，每一层尺度均包括依次耦合的第一组合模块、主旁路动态编码模块、第二组合模块和一个单独的卷积层，上一层的所述第一组合模块输出的尺度特征信息经过双线性插值下采样输入下一层的所述第一组合模块，每一层所述主旁路动态编码模块输出处理后的当前层的尺度特征信息，所述尺度特征信息分别输入对应的所述第二组合模块，下一层的所述第二组合模块输出的尺度特征信息经过双线性插值上采样输入上一层的所述第二组合模块，当前层的所述尺度特征信息与下一层的所述第二组合模块输出的所述尺度特征信息沿通道维度进行拼接，输入到每层所述第二组合模块，得到所述第二组合模块输出的尺度特征信息，输入所述当前尺度的单独的卷积层，输出对应的去摩尔纹噪音图像。

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人工智能与数字经济广东省实验室(广州)，其通讯地址为：510330 广东省广州市海珠区新港东路2429号首层自编051房；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”。