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！

龙图腾网获悉西安理工大学申请的专利一种基于混合非局部自相似先验的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：CN116468628B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310343403.5，技术领域涉及：G06T5/77；该发明授权一种基于混合非局部自相似先验的图像复原方法是由刘涵;袁伟;刘丁设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本一种基于混合非局部自相似先验的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混合非局部自相似先验的图像复原方法，具体包括以下步骤：学习外部非局部自相似先验；设置初始复原图像和迭代次数；构建非局部相似图像块组；学习内部非局部自相似先验；基于已学习到的外部和内部先验，为每个相似图像块组学习混合非局部自相似先验；将学习到的非局部自相似先验作为字典，对每个相似图像块组进行稀疏编码；复原整幅图像；输出最终复原图像；本发明从待处理图像自身和高质量训练图像块组中学习用于图像复原的混合非局部自相似先验，有效缓解了只使用内部先验导致的过拟合，并增强了外部先验的自适应性，提升了图像复原效果。

本发明授权一种基于混合非局部自相似先验的图像复原方法在权利要求书中公布了：1.一种基于混合非局部自相似先验的图像复原方法，其特征在于，具体包括以下步骤： 步骤1，学习外部非局部自相似先验； 步骤2，初始化复原图像x0＝y，其中y表示退化图像，设置迭代次数m＝1,2,3,...,M； 步骤3，构建非局部相似图像块组； 步骤4，学习内部非局部自相似先验； 步骤5，基于已学习到的外部非局部和内部非局部自相似先验，为每个相似图像块组学习混合非局部自相似先验，包括以下步骤： 步骤5.1，通过最大化后验概率为相似图像块组选择最匹配的外部高斯分量： 其中，I是单位阵； 步骤5.2，对Σi,I和Σd,E进行奇异值分解： 其中，Di,I和Si,I是Σi,I的特征向量矩阵和奇异值矩阵，Dd,E和Sd,E是Σd,E的特征向量矩阵和奇异值矩阵； 步骤5.3，利用Sd,E计算混合权重： 其中，sp,E表示Sd,E的第p个奇异值，P表示图像块尺寸； 步骤5.4，通过加权方式为每个相似图像块组学习混合非局部自相似先验： 其中，wd＝[wd,1,…wd,p,…wd,P]Τ，1表示元素全为1的列向量； 步骤6，将学习到的混合非局部自相似先验作为字典，对每个相似图像块组进行稀疏编码，包括以下步骤： 步骤6.1，建立结构化稀疏模型： 其中，表示F范数操作，||·||1表示一范数操作，Γi＝[γi,1,…,γi,j,…,γi,n]，γi,j＝μi,H，λi表示正则化参数向量，Ai表示稀疏系数矩阵； 步骤6.2，利用梯度下降法求解稀疏系数Ai： 其中，sgn·表示符号操作，e表示逐元素乘操作，|·|表示取绝对值操作，1表示元素全为1的列向量； 步骤7，重建每个相似图像块组； 步骤8，复原整幅图像； 步骤9，迭代执行步骤3-8共M次，输出最终的复原图像。

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西安理工大学，其通讯地址为：710048 陕西省西安市金花南路5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。