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！

龙图腾网恭喜武汉大学申请的专利图像去模糊方法、装置、设备及可读存储介质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：CN114494065B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202210095243.2，技术领域涉及：G06T5/60；该发明授权图像去模糊方法、装置、设备及可读存储介质是由荆晓远;成明康;王许辉;窦习文设计研发完成，并于2022-01-26向国家知识产权局提交的专利申请。

本图像去模糊方法、装置、设备及可读存储介质在说明书摘要公布了：本发明提供一种图像去模糊方法、装置、设备及可读存储介质，图像去模糊方法包括：在多尺度生成网络中对复杂模糊核的去除过程进行统一建模，由粗糙到精细的逐步生成模糊图像对应的恢复图像。同时，在多尺度生成网络中每一尺度的生成网络均采用全局跳跃连接，使得训练完成的多尺度生成网络对应该学习到的细节更敏感，所述细节为多尺度生成网络所应当向输入图像中添加的细节。再构建端到端的对抗式深度学习网络，结合对抗损失、内容损失与结构相似性损失得到联合损失来指导多尺度生成网络的训练。当多尺度生成网络的联合损失收敛时，得到训练完成的多尺度生成网络，基于训练完成的多尺度生成网络可以提高所得到的不同尺度的恢复图像的质量。

本发明授权图像去模糊方法、装置、设备及可读存储介质在权利要求书中公布了：1.一种图像去模糊方法，其特征在于，所述图像去模糊方法包括：将原始模糊图像输入到训练完成的多尺度生成网络中，得到原始模糊图像对应的恢复图像，所述多尺度生成网络包括预设个数的不同尺度的生成网络；所述将原始模糊图像输入到训练完成的多尺度生成网络中，得到原始模糊图像对应的恢复图像的步骤包括：将原始模糊图像进行预设倍数的第K次幂的下采样，得到第K尺度的模糊图像，所述第K尺度为多尺度生成网络中最粗糙的尺度；将所述第K尺度的模糊图像输入到第K尺度的生成网络中，得到第K尺度的恢复图像；将所述第K尺度的恢复图像进行预设倍数的上采样，并输入到第K-1尺度的生成网络中，得到第K-1尺度的恢复图像，以此类推，直到得到第1尺度的恢复图像，所述第1尺度为多尺度生成网络中最精细的尺度，以所述第1尺度的恢复图像作为原始模糊图像对应的恢复图像；所述多尺度生成网络中每一尺度的生成网络包括预设个数的卷积层，且每一尺度的生成网络均采用全局跳跃连接，即每一尺度的生成网络的最后一个卷积层的输出图像加上所述尺度的生成网络的输入图像为所述尺度的生成网络输出的恢复图像；将原始模糊图像输入到训练完成的多尺度生成网络中，输出原始模糊图像对应的恢复图像的步骤之前还包括：构建成对的训练数据集，所述训练数据集包括若干模糊图像与所述模糊图像对应的清晰图像；将所述训练数据集中的待恢复的模糊图像输入到待训练的多尺度生成网络中，得到预设个数的不同尺度恢复图像；将所述待恢复的模糊图像对应的清晰图像进行预设倍数的下采样，得到预设个数的不同尺度清晰图像；基于预设个数的不同尺度清晰图像与预设个数的不同尺度恢复图像，计算得到结构相似性损失；将所述预设个数的不同尺度恢复图像与所述预设个数的不同尺度清晰图像分别输入到待训练的多尺度判别网络，得到预设个数的对于恢复图像的判别矩阵以及预设个数的对于清晰图像的判别矩阵；基于所述预设个数的对于恢复图像的判别矩阵以及预设个数的对于清晰图像的判别矩阵，计算得到对抗损失；将所述预设个数的不同尺度恢复图像与所述预设个数的不同尺度清晰图像分别输入到感知网络，得到预设个数的对于恢复图像的深度特征图以及预设个数的对于清晰图像的深度特征图；基于所述预设个数的对于恢复图像的深度特征图以及预设个数的对于清晰图像的深度特征图，计算得到内容损失；基于所述结构相似性损失、对抗损失与内容损失得到多尺度的联合损失函数，并以最大-最小优化求解联合损失函数；将所述联合损失函数反向传播给待训练的多尺度生成网络与待训练的多尺度判别网络，交替优化调整多尺度生成网络与多尺度判别网络的参数；检测多尺度生成网络的联合损失函数是否收敛；若所述多尺度生成网络的联合损失函数未收敛，则以训练数据集中新的模糊图像作为待恢复的模糊图像，并返回执行将所述训练数据集中的待恢复的模糊图像输入到待训练的多尺度生成网络中，得到预设个数的不同尺度恢复图像的步骤；若所述多尺度生成网络的联合损失函数收敛，则以最新的多尺度生成网络作为训练完成的多尺度生成网络。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山；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”。