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！

龙图腾网获悉青岛理工大学申请的专利一种基于潜在空间条件扩散模型的多尺度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：CN121414625B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202512014944.5，技术领域涉及：G06T5/73；该发明授权一种基于潜在空间条件扩散模型的多尺度图像去模糊方法是由房晓雪;王兆涵;陈成军设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本一种基于潜在空间条件扩散模型的多尺度图像去模糊方法在说明书摘要公布了：本发明涉及图像去模糊领域，公开了一种基于潜在空间条件扩散模型的多尺度图像去模糊方法，包括以下步骤：构建多尺度图像去模糊网络，网络包括条件扩散模型和滑动窗口注意力模块，条件扩散模型用于在潜在空间中将模糊条件向量生成多尺度先验特征；滑动窗口注意力模块为基于编码器‑解码器的U型网络，用于执行以多尺度先验特征为引导的图像去模糊特征回归；采用包括预训练与后训练的两阶段策略对网络进行训练；将待处理的模糊图像输入至训练完成的所述多尺度图像去模糊网络中，输出最终的去模糊图像。本发明所公开的方法能够在保证计算效率的同时，有效抑制去模糊过程中常见的过度平滑和伪影问题，并提高纹理细节与边缘结构的恢复精度。

本发明授权一种基于潜在空间条件扩散模型的多尺度图像去模糊方法在权利要求书中公布了：1.一种基于潜在空间条件扩散模型的多尺度图像去模糊方法，其特征在于，包括以下步骤： 步骤1，构建多尺度图像去模糊网络，所述网络包括： 条件扩散模型，包括清晰编码器、模糊编码器、去噪U型网络以及多尺度先验生成模块，用于在潜在空间中将模糊条件向量生成多尺度先验特征；所述条件扩散模型以前向加噪和反向去噪的方式在低维特征空间中进行噪声建模与特征重建； 滑动窗口注意力模块，为基于编码器-解码器的U型网络，用于执行以多尺度先验特征为引导的图像去模糊特征回归，该模块包括编码器路径和解码器路径，编码器路径用于对输入特征进行多级下采样以提取多尺度上下文信息；解码器路径用于对特征进行多级上采样以逐步恢复空间分辨率；所述编码器路径和解码器路径的每个层级中，在双通道集成模块之后，集成了至少一个滑动窗口注意力去模糊模块；编码器路径和解码器路径对应的层级中还包括跨层级跳跃连接，用于将编码器路径中每一级的特征与解码器路径中间一级的特征进行拼接，以保留高频细节； 步骤2，模型训练： 采用包括预训练与后训练的两阶段策略对所述多尺度图像去模糊网络进行训练，以学习从模糊图像到清晰图像的映射关系； 步骤3，模型应用： 将待处理的模糊图像输入至训练完成的所述多尺度图像去模糊网络中，依次经过所述条件扩散模型、所述滑动窗口注意力模块的处理，输出最终的去模糊图像； 所述条件扩散模型中，清晰编码器用于将清晰图像与模糊图像拼接后映射至潜在空间，得到初始特征向量；模糊编码器用于将模糊图像单独压缩为模糊条件向量； 所述去噪U型网络由多个残差块和注意力块堆叠而成，接收模糊条件向量与来自前向扩散过程的噪声向量，预测扩散过程中每一步的噪声估计与方差插值；并基于所述噪声估计与方差插值，通过重参数化采样得到去噪后的特征向量； 所述多尺度先验生成模块通过对去噪后的特征向量进行一维卷积下采样，生成至少三个不同尺度的先验特征； 所述双通道集成模块执行以下操作： 将模糊图像中间特征重塑后经过层归一化和线性映射，得到查询向量Q； 将先验特征沿通道维度拆分为两条分支，分别进行层归一化和线性映射后拼接为键向量K和值向量V； 对Q、K、V进行跨自注意力计算； 将注意力输出与原始中间特征进行残差相加，并通过两层卷积增强局部纹理恢复能力。

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青岛理工大学，其通讯地址为：266033 山东省青岛市市北区抚顺路11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。