电子科技大学张显石获国家专利权
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!
龙图腾网获悉电子科技大学申请的专利一种基于感知引导的退化图像恢复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:CN119624786B 。
龙图腾网通过国家知识产权局官网在2025-09-26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:202411780271.3,技术领域涉及:G06T5/00;该发明授权一种基于感知引导的退化图像恢复方法是由张显石;李振豪;李永杰设计研发完成,并于2024-12-05向国家知识产权局提交的专利申请。
本一种基于感知引导的退化图像恢复方法在说明书摘要公布了:本发明公开了一种基于感知引导的退化图像恢复方法,首先构建一个包含“感知分支”与“恢复分支”的双分支神经网络架构,并构建分类任务数据集和恢复任务数据集,分别用于训练感知网络和恢复网络,最后将得到的训练好的双分支神经网络架构,输入真实退化图像,获得最终输出的恢复图像。本发明的方法分析了现实场景中图像退化的复杂性和多样性,克服了仅针对单一退化模式的局限性,通过引入多个子任务的约束条件,有效增强了感知网络对图像退化状态的评估精度与泛化能力,能够针对不同图像特征,自适应分配和优化计算资源,实现了计算效率与恢复质量的双重提升,在确保高性能的同时,不会导致大量计算资源的消耗,部署过程更为便捷灵活。
本发明授权一种基于感知引导的退化图像恢复方法在权利要求书中公布了:1.一种基于感知引导的退化图像恢复方法,具体步骤如下: S1、构建一个包含“感知分支”与“恢复分支”的双分支神经网络架构; 所述双分支神经网络包括:感知网络、恢复网络;所述感知分支即感知网络,恢复分支即恢复网络; 其中,感知网络即一个包括18层卷积层的特征提取网络,恢复网络即一个包括24个平行卷积模块,5个卷积调制模块和10个平行卷积注意力模块的神经网络; 所述感知网络分为四个block,每个block包括:2个3×3的卷积层,1个BatchNorm层和1个ReLU激活函数;第一个block输出通道数为64,尺寸为输入图像的12的特征图;第二个block输出通道数为128,尺寸为输入图像14的特征图;第三个block输出通道数为256,尺寸为输入图像18的特征图,第四个block输出通道数为512,尺寸为输入图像116的特征图; 平行卷积模块由k+1个卷积层并联后串联1个卷积层构成,卷积调制模块由2个全连接层和1个Softmax激活层构成,平行卷积注意力模块由1个平行卷积模块加上1个感知引导注意力模块构成; 其中,感知引导注意力模块包括:1个空间注意力模块,1个通道注意力模块,1个channelshuffle层,一个GConv,一个sigmoid激活函数; S2、构建分类任务数据集和恢复任务数据集,分别用于训练感知网络和恢复网络; 收集k类包括退化图像和其对应参考图像的图像对各9N对;选取其中N对图像进行类别标注作为分类任务数据集,用于感知网络的训练;剩余8N对图像无需进行标注,用于恢复网络的训练; 其中,k表示退化的类别数目; S3、利用步骤S2中的分类任务数据集训练感知网络,然后将步骤S2中恢复任务数据集中的退化图像送入训练后的感知网络,得到与输入退化图像对应的特征图、特征向量和分类结果; S4、利用恢复任务数据集和步骤S3中感知网络输出的图像分类结果,指导恢复网络进行第一次训练,优化恢复网络中特定的卷积核参数; 所述步骤S4具体如下: 所述平行卷积模块中包括:k个提取独特特征的卷积核W1,W2,```Wk和1个提取普遍特征的卷积核W0; 将恢复任务数据集中的退化图像输入恢复网络,计算恢复网络的输出与退化图像对应的参考图像之间的重构损失Lossrecon1;将重构损失Lossrecon1作为损失函数,并根据步骤S3中的分类结果i,指导平行卷积模块中的第i个卷积核Wi以及卷积核W0的参数进行更新优化; 其中,重构损失Lossrecon1表达式如下: Lossrecon1=‖y-ypred1‖ 其中,y表示退化图像对应的参考图像,ypred1表示退化图像经过恢复网络后的输出; 参数更新优化过程表达式如下: w=argminw‖fw,x-y‖ 其中,w表示第i个卷积核Wi以及卷积核W0的参数,fw,x表示退化图像经过恢复网络后的输出,x表示输入的退化图像,y表示退化图像对应的参考图像; S5、利用恢复任务数据集和步骤S3中得到的特征向量、特征图,指导恢复网络进行第二次训练; S6、将真实退化图像输入训练后的感知网络,得到真实退化图像对应的特征图、特征向量,随后再将真实退化图像和对应的特征图、特征向量共同输入完成两次训练后的恢复网络中,获得最终输出的恢复图像。
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电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006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”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励