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！

龙图腾网获悉四川大学申请的专利一种基于全局依赖建模的高效图像复原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：CN116091353B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310086973.0，技术领域涉及：G06T5/73；该发明授权一种基于全局依赖建模的高效图像复原方法是由彭玺;赵海宇;缑元彪;杨筱宇设计研发完成，并于2023-01-30向国家知识产权局提交的专利申请。

本一种基于全局依赖建模的高效图像复原方法在说明书摘要公布了：本发明公开了一种基于全局依赖建模的高效图像复原方法，包括：S1、获取受损图像；S2、将受损图像输入至多尺度分层神经网络模型中，依次进行浅层特征提取、深层特征提取以及特征融合，获得融合特征；S3、将融合特征进行处理得到的残差图加入到受损图像上，得到复原图像。本发明通过超像素依赖计算和转移，可以捕获全局像素间的依赖关系，并通过此依赖关系进行图像复原；本发明提供的图像复原方法大幅降低模型计算成本，在保证方法有效性的同时，与现有方法相比的浮点运算数FLOPs更低。

本发明授权一种基于全局依赖建模的高效图像复原方法在权利要求书中公布了：1.一种基于全局依赖建模的高效图像复原方法，其特征在于，包括以下步骤： S1、获取受损图像； S2、将受损图像输入至多尺度分层神经网络模型中，依次进行浅层特征提取、深层特征提取以及特征融合，获得融合特征； 所述步骤S2中，通过四层不同通道数的编码器-解码器对输入浅层特征进行深层特征提取，获得不同尺度的深层特征； 其中，每层编码器-解码器结构均包括若干Transformer块，每个Transformer块包括依次连接的聚集注意力模块和双路自适应模块；所述聚集注意力模块根据输入特征图进行全局依赖建模，所述双路自适应模块用于使用全局依赖建模信息进一步处理像素级特征图，获得深层特征； 所述聚集注意力模块包括依次连接的批标准化层、第一卷积层、第一分组卷积层、第二分组卷积层、第一Softmax层、第三分组卷积层、第四分组卷积层、第二Softmax层、第五分组卷积层、第六分组卷积层、PixelShuffle层以及第二卷积层； 所述双路自适应模块包括依次连接的第三卷积层、第七分组卷积层、GELU激活层、Sigmoid激活层以及第四卷积层； 所述聚集注意力模块对输入特征图进行全局依赖建模的过程为： SA1、在通道域进行特征图聚合，得到特征图； 其中，H和W分别为输入特征图的高和宽，C为通道数，,为通道聚合系数； SA2、在空间域进行通道特征图聚合，得到特征图； 其中，，为空间聚合系数，为通道扩张系数； SA3、对特征图依次在通道域和空间域分组进行注意力计算，进而进行全局依赖建模； 所述双路自适应模块使用全局依赖建模信息处理像素级特征图的方法为： SB1、通过逐点卷积对超像素级特征图进行特征混合； SB2、基于全局依赖建模信息，通过双路自适应模块的双路结构捕获像素级特征图中每个像素对短距离超像素的依赖性，同时从超像素级特征图局部区域中提取像素级别的特征； SB3、将像素对短距离超像素的依赖性以动态加权的方式作用于提取像素的特征，进而实现像素级特征图处理，其表达式为： 式中，i为通道的索引，为卷积核为7，步长为1，填充为0的分组卷积，和分别是Sigmoid和GELU激活函数； S3、将融合特征进行处理得到的残差图加入到受损图像上，得到复原图像。

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四川大学，其通讯地址为：610064 四川省成都市武侯区一环路南一段24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。