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！

龙图腾网获悉西安理工大学申请的专利一种基于混合结构化稀疏模型的图像复原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：CN116452443B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310338720.8，技术领域涉及：G06T5/70；该发明授权一种基于混合结构化稀疏模型的图像复原方法是由刘涵;袁伟;刘丁设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本一种基于混合结构化稀疏模型的图像复原方法在说明书摘要公布了：本发明公开了一种基于混合结构化稀疏模型的图像复原方法，具体包括以下步骤：初始化复原图像和设置迭代次数；构建相似图像块组矩阵；建立混合结构化稀疏模型；利用混合结构化稀疏模型对每个相似图像块组进行稀疏编码；重建每个相似图像块组；根据所有重建相似图像块组复原整幅图像；本发明的图像复原方法更好地重建了边缘、纹理等细节，并有效地抑制了不期望的视觉伪影，进一步提升了图像复原效果。

本发明授权一种基于混合结构化稀疏模型的图像复原方法在权利要求书中公布了：1.一种基于混合结构化稀疏模型的图像复原方法，其特征在于，包括以下步骤： 步骤1，初始化复原图像，其中表示退化图像，设置迭代次数； 步骤2，构建相似图像块组矩阵； 步骤3，建立混合结构化稀疏模型，具体做法为： 其中，、和表示三个正的正则化参数，表示F范数操作，表示一范数操作，表示二范数操作，表示字典，表示稀疏系数矩阵，是个表示尺度因子矩阵的对角阵，，表示的第个对角元素，是个小的正常数，表示一范数约束部分，表示二范数约束部分； 步骤4，利用混合结构化稀疏模型对每个相似图像块组进行稀疏编码，按如下步骤进行： 步骤4.1，利用主成分分析为学习字典，如下： 其中，表示的协方差矩阵，和分别表示的特征向量矩阵和特征值矩阵； 步骤4.2，固定和，优化： 上述方程可以等价转化为： 其中，，； 求解上述方程可以等价为求解下述方程： 其中，，，和分别表示和的第行，表示转置操作； 从而得到其解为： 其中，，以及， 步骤4.3，固定和，优化： 上述方程可以等价转化为： 从而可以得到其闭式解为： 其中，是单位阵； 步骤4.4，固定和，优化： 上述方程可以等价转化为： 从而可以得到其闭式解为： 其中，表示符号操作，表示逐元素乘操作，表示取绝对值操作，表示元素全为1的矩阵； 步骤5，重建每个相似图像块组； 步骤6，利用所有重建的相似图像块组复原整幅图像； 步骤7，迭代执行步骤2-6共次，输出最终的复原图像。

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西安理工大学，其通讯地址为：710048 陕西省西安市金花南路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”。

以上内容由龙图腾AI智能生成。