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！

龙图腾网获悉北京理工大学申请的专利一种基于失真估计的图像复原方法及装置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：CN115205142B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210685499.9，技术领域涉及：G06T5/77；该发明授权一种基于失真估计的图像复原方法及装置是由侯舒娟;王宇航;李海;张钦;宋政育;武毅设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本一种基于失真估计的图像复原方法及装置在说明书摘要公布了：本发明公开了一种基于失真估计的图像复原方法及装置，所述方法包括：从原始图像中提取图像特征，得到图像特征图；将所述图像特征图输入失真因子估计模块，得到由引起所述原始图像失真的一个或多个因子组成的失真向量；将所述失真向量及所述图像特征图输入图像重建模块，由所述图像重建模块去除相应的失真，并进行图像重建，得到所述原始图像对应的残差图像；基于所述残差图像，得到与所述原始图像对应的复原图像。所述方法能够对一种或多种混合失真进行处理，适用性及通用性均较强。

本发明授权一种基于失真估计的图像复原方法及装置在权利要求书中公布了：1.一种基于失真估计的图像复原方法，其特征在于，包括： 步骤S1：获取原始图像，并从所述原始图像中提取图像特征，得到图像特征图； 步骤S2：将所述图像特征图输入失真因子估计模块，对引起所述原始图像失真的一个或多个因子进行估计，得到由所述引起所述原始图像失真的一个或多个因子组成的失真向量；所述失真因子估计模块包括卷积层、全局平均池化层、全连接层，每个因子对应一种引起图像失真的类型； 步骤S3：将所述失真向量及所述图像特征图输入图像重建模块，由所述图像重建模块去除相应的失真，并进行图像重建，得到所述原始图像对应的残差图像；基于所述残差图像，得到与所述原始图像对应的复原图像；其中，所述图像重建模块包括用于去除失真及进行图像重建的注意力卷积块； 所述图像重建模块包括依次连接的n个注意力卷积块、第二卷积层、第三ReLU激活函数层、以及第三卷积层； 所述注意力卷积块用于去除失真及进行图像重建；所述注意力卷积块包括重建分支和调节分支； 所述重建分支用于接收所述图像特征图或当前注意力卷积块的前一级注意力卷积块输出的特征图；若当前注意力卷积块为第一级注意力卷积块，则输入为所述图像特征图；若当前注意力卷积块为非第一级注意力卷积块，则输入为所述当前注意力卷积块的前一级注意力卷积块输出的特征图；所述重建分支包括注意力子支及非注意力子支，所述注意力子支包括依次相连的第四卷积层、第四ReLU激活函数层、第五卷积层、空间注意力模块及通道注意力模块，所述注意力子支用于去除失真并重建图像，输出注意力子支残差特征图，所述空间注意力模块用于增强空间中的图像纹理、细节信息，抑制空间中的噪声，所述通道注意力模块用于增强含有图像纹理、细节信息的通道，抑制含有噪声的干扰信息的通道，输出注意力子支残差特征图；其中，所述注意力卷积块用于与所述调节分支的第一失真因子注意力模块的输出相乘，得到第一融合结果； 所述非注意力子支用于接收所述图像特征图或当前注意力卷积块的前一级注意力卷积块输出的特征图；若当前注意力卷积块为第一级注意力卷积块，则输入为所述图像特征图；若当前注意力卷积块为非第一级注意力卷积块，则输入为所述当前注意力卷积块的前一级注意力卷积块输出的特征图；所述非注意力子支包括依次相连的第六卷积层、第五ReLU激活函数层、以及第七卷积层，所述非注意力子支用于补充注意力子支忽略的特征信息，输出非注意力子支残差特征图，所述非注意力子支残差特征图用于与所述调节分支的第二失真因子注意力模块的输出相乘，得到第二融合结果； 所述调节分支包括第一失真因子注意力模块以及第二失真因子注意力模块，所述调节分支的输入为所述失真向量，所述第一失真因子注意力模块用于生成控制所述重建分支的注意力子支的权重向量，并将输出与所述注意力子支的输出相乘，得到第一融合结果；所述第二失真因子注意力模块用于生成控制所述重建分支的非注意力子支的权重向量，并将输出与所述非注意力子支的输出相融合，得到第二融合结果； 将所述第一融合结果与所述第二融合结果相加，得到第三融合结果，将所述第三融合结果与所述图像特征图相加，得到处理后的图像特征图，作为所述注意力卷积块的输出。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街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”。