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！

龙图腾网获悉南京邮电大学申请的专利高斯相对算子双重鉴别性图像盲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：CN116957952B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310418886.0，技术领域涉及：G06T5/73；该发明授权高斯相对算子双重鉴别性图像盲去模糊方法是由邵文泽;陈钰梵;陈心如;程梓涵设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本高斯相对算子双重鉴别性图像盲去模糊方法在说明书摘要公布了：本发明属于人工智能领域，公开了一种高斯相对算子双重鉴别性图像盲去模糊方法，包含S1.基于双重鉴别性原则，设计图像先验；S2.将图像先验代入优化模型进行图像盲去模糊，利用交替迭代算法分别求解清晰图像与模糊核，将复杂的中间图像估计转化为了一个简单、直观的图像滤波问题；S3.采用非盲恢复得到最终清晰图像；S4.在自然、人造、文本、夜间、人像等多场景的仿真基准数据和真实模糊图像上进行了大量数值实验，调整中间参数，最终得到面向自然图像的，具有有效性和鲁棒性的图像盲去模糊方法。本发明能够有效提升模糊图片恢复效果，同时，相较于传统的基于梯度的图像先验去模糊更具理论可行性。

本发明授权高斯相对算子双重鉴别性图像盲去模糊方法在权利要求书中公布了：1.一种高斯相对算子双重鉴别性图像盲去模糊方法，其特征在于：该方法包括以下步骤： 步骤1.基于双重鉴别性原则，设计图像先验；所述双重鉴别性要求两方面，一方面，图像先验具备区分清晰图和模糊图的能力，以有效缓解模糊核估计的解退化问题，另一方面，图像先验具备区分强边缘和弱纹理的能力，以显著减少纹理对模糊核估计可能产生的干扰影响； 步骤2.将图像先验代入优化模型进行图像盲去模糊，利用交替迭代算法分别求解中间潜像与模糊核，将复杂的中间图像估计转化为了一个简单、直观的图像滤波问题， 步骤3.采用非盲恢复得到最终清晰图像； 步骤4.在多场景仿真基准数据和真实模糊图像上进行数值实验，调整中间参数，最终得到图像盲去模糊方法，其中， 所述双重鉴别性原则的图像先验最终的表达形式为： 其中，为小尺度特征，为大尺度特征，用于鉴别强边缘与弱纹理，用于鉴别清晰图和模糊图，Gσ定义为局部高斯核，用于尺度选择： σ是尺度参数，x0，y0是核的中心， σ4取值接近于0，当σ4足够小时，有 对于清晰图像，为模糊核Gσ3与清晰图像梯度卷积后的结果与清晰图像梯度的比值，分子远小于分母，其结果小于1； 若将模糊图像视为清晰图像与某个模糊核k的卷积，则3可表示为： 对于模糊图像，由于其梯度的相似性更低，一幅图像的梯度和该图像模糊后的图像梯度分别与一个同样的模糊核k卷积过后所得到的取值结果相差不大，那么式4的值，总是趋向于1，因此有： 即在中，在最小化迭代的过程中，最终图像会趋近于清晰图像； 步骤2中，将图像先验代入优化模型进行图像盲去模糊是指将所述图像先验要代入到 其中，α和β是非负权值，为编码图像s相对于原始图像b的偏离程度，即恢复的中间图像s与模糊图像b在卷积意义下保持一致，模糊核k的先验约束采用的是最简单的范数； 所述求解中间潜像利用半二次分裂法，引入一个与中间潜像相对应的辅助变量，得到一个新的目标函数，中间潜像通过使用快速傅里叶变换作为一个封闭形式的解来计算出来，辅助变量初始化为一个零图像，根据初始输入图像最小化求解更新辅助变量，其求解相当于通过所提先验导出的一个图像滤波实现； 将步骤2中所估计得到的模糊核与中间潜像进行非盲恢复，具体为：首先，通过使用拉普拉斯算子的方法估计潜像，其次，使用步骤2中的梯度信息估计潜像，然后，计算这两个估计图像之间的差异图，并使用双边滤波去除伪影，最后，从估计潜像中减去滤波后的差异图。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。