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！

龙图腾网获悉南京邮电大学申请的专利一种基于分层贝叶斯表示的自监督图像盲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：CN120634905B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511141540.6，技术领域涉及：G06T5/73；该发明授权一种基于分层贝叶斯表示的自监督图像盲去模糊方法是由邵文泽;黄帆;贾鹏宇设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本一种基于分层贝叶斯表示的自监督图像盲去模糊方法在说明书摘要公布了：本发明涉及图像处理、计算机视觉与图像盲去模糊技术领域，具体涉及一种基于分层贝叶斯表示的自监督图像盲去模糊方法，包括：获取清晰图像并进行处理，合成模糊图像，建立模糊图像数据集；基于运动退化模型结合模糊图像数据集构建分层贝叶斯先验模型和目标函数，并定义随机变量；最小化目标函数，求解分层贝叶斯先验模型中随机变量的后验分布；设计深度神经网络框架，结合随机变量的后验分布建立损失函数并训练，得到最优模型；通过最优模型输出模糊图像数据集的图像恢复结果；以分层贝叶斯先验模型为依据，实现稀疏适应的优化，解决了基于VB的盲去模糊算法泛化性不足，鲁棒性较差的问题，可应用于图像增强等高精度需求场景。

本发明授权一种基于分层贝叶斯表示的自监督图像盲去模糊方法在权利要求书中公布了：1.一种基于分层贝叶斯表示的自监督图像盲去模糊方法，其特征在于，所述方法包括： 获取清晰图像并进行处理，合成模糊图像，建立模糊图像数据集； 基于运动退化模型结合模糊图像数据集构建分层贝叶斯先验模型和目标函数，并定义随机变量，包括： 基于运动退化模型结合模糊图像数据集建立分层贝叶斯先验模型，至少包括三层，分别定义分层贝叶斯先验模型中的随机变量；其中，在第一层中，界定潜在清晰图像为随机变量，并确定潜在清晰图像的先验分布，定义为高斯概率密度函数；在第二层和第三层中，均定义为伽马概率密度函数； 通过随机变量构建目标函数； 最小化目标函数，求解分层贝叶斯先验模型中随机变量的后验分布，包括： 基于第一层潜在清晰图像的后验概率服从多元高斯分布，对应的计算公式为： ； ； 第二层和第三层随机变量均服从伽马分布，对应的计算公式为： ； ； ； ； 其中，表示潜在清晰图像的后验分布；、表示第一层中的中间参数表征；表示期望；表示模糊图像；表示清晰图像；、均表示随机变量；、、均表示超参数；表示模糊核；、分别表示对应随机变量的形状参量；、分别表示对应随机变量的速率参数；表示随机变量的后验分布；表示随机变量的后验分布；、分别表示对清晰图像水平方向和垂直方向的梯度运算；表示对角矩阵； 设计深度神经网络框架，结合随机变量的后验分布建立损失函数，对深度神经网络框架进行训练，得到最优模型； 通过最优模型输出模糊图像数据集的图像恢复结果。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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”。