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！

龙图腾网获悉长春理工大学申请的专利一种基于U-Net网络的图像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：CN120070251B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510139752.4，技术领域涉及：G06T5/73；该发明授权一种基于U-Net网络的图像去模糊方法是由刘妍妍;田永旗;赵哲铭;李超群;吴远烽;陈宇;韩悦毅;朱德鹏设计研发完成，并于2025-02-08向国家知识产权局提交的专利申请。

本一种基于U-Net网络的图像去模糊方法在说明书摘要公布了：本发明公开一种基于U‑Net网络的图像去模糊方法，涉及图像处理技术领域；包括以下步骤：准备数据集；构建网络模型；训练网络模型；优化模型并评估性能；本发明在U‑Net网络中加入多密集频域自注意力网络和二重特征自适应融合网络。多密集频域自注意力网络通过多个卷积层提取不同频率的特征并结合自注意力机制捕捉全局的长程依赖信息，有助于在解码阶段生成更高质量的图像恢复和重建结果；二重特征自适应融合网络将粗细频域特征评估模块得到特征图与解码阶段得到特征图进行融合，使解码器能够更好的提高去模糊的准确性和生成图像的质量，使得输出图像更加清晰和细致。

本发明授权一种基于U-Net网络的图像去模糊方法在权利要求书中公布了：1.一种基于U-Net网络的图像去模糊方法，其特征在于，包括以下步骤： 步骤1，准备数据集：准备数据集一、数据集二和数据集三，其中数据集一为GoProDataset数据集；数据集二为RealBlurDataset数据集；数据集三为KöhlerDataset数据集； 步骤2，构建网络模型：构建包括U-Net网络、无参考评估模型、阶段融合模块、多密集频域注意力模块、粗细频域特征评估模块、卷积预测模块和二重特征自适应融合模块的网络模型； 编码器和解码器由多个卷积块组成；多重特征提取网络包含不同膨胀率的卷积层用于捕获不同尺度信息；阶段特征融合模块用于不同层级特征的灵活交互；多密集频域注意力模块用于提升关键区域的特征提取能力；粗细频域特征评估模块分为低频信息提取支路和高频信息提取支路以分别提取低频和高频特征；二重特征自适应融合模块用于融合不同特征并增强重要特征；卷积预测模块用于预测去模糊后的图像特征； 步骤3，训练网络模型：使用准备数据集对网络模型进行训练，训练过程中采用离散小波变换和逆小波变换进行特征提取和复原，并通过1×1卷积调整特征图通道数以限制模型复杂性； 步骤4，优化模型并评估性能：采用去模糊损失、编码器特征损失和预测损失三种损失函数优化模型，并使用峰值信噪比和结构相似性作为评估指标评估模型性能； 所述多密集频域注意力模块包括多尺度频率特征提取模块和自注意力模块，用于自适应选择重要的频率信息并提升特征表示能力； 所述二重特征自适应融合模块包括卷积层、1×1卷积、激活函数层、软最大化层、线性变换层和归一化层，用于融合粗细频域特征评估模块得到的特征图和解码器得到的特征图，并增强重要特征。

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长春理工大学，其通讯地址为：130012 吉林省长春市卫星路7089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。