| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 181 | 一种基于Retinex算法的图像去模糊方法 | CN201910212674.0 | 2019-03-20 | CN110033415B | 2023-03-21 | 陈熙源; 方文辉; 柳笛 |
| 本发明公开了一种基于Retinex算法的图像去模糊方法，包括以下步骤：S1：利用Retinex算法对原始模糊图像进行处理，得到图像边缘被增强的模糊图像，将图像边缘被增强的模糊图像作为步骤S2的输入；S2：进行解卷积操作，以获得初始复原图像；S3：计算步骤S2中初始复原图像的梯度映射，消除初始复原图像中的噪声；S4：利用步骤S3中的梯度映射对原始模糊图像的模糊核进行估计；S5：判断步骤S3得到的消除噪声后的初始复原图像和步骤S4得到的模糊核是否为最佳结果：如果是，直接进行步骤S6；否则，将步骤S3得到的消除噪声后的初始复原图像作为步骤S2的输入，返回步骤S2；S6：利用步骤S5中得到的最佳模糊核，对原始模糊图像进行最终的解卷积，以获得最终的复原图像。 | ||||||
| 182 | 一种基于事件相机的图像去模糊方法 | CN202211274835.7 | 2022-10-18 | CN115760593A | 2023-03-07 | 颜成钢; 张文豪; 陈雨中; 陈如枫; 高宇涵; 孙垚棋; 王鸿奎; 陈楚翘; 胡冀; 朱尊杰; 殷海兵; 张继勇; 李宗鹏; 赵治栋 |
| 本发明公开了一种基于事件相机的图像去模糊方法，首先对事件信息进行处理，获取事件特征图；然后通过SFT模块对现有去模糊网络进行改进，将事件特征图融入去模糊网络；最后训练改进后的去模糊网络。本发明提出了使用事件信息的新方法，并提出制作事件特征图用于去模糊网络中，能够提升运动去模糊的效果。本发明通过SFT模块，将特征融入网络的这一方法，能够让网络学习到特征图的信息，以提高网络对模糊图的去模糊能力。本发明适用在任一去模糊网络中，加入事件特征图后并能比之前效果有提升。 | ||||||
| 183 | 一种基于Transformer的运动图像去模糊方法 | CN202210907447.1 | 2022-07-29 | CN115496676A | 2022-12-20 | 刘长红; 李宏寅; 彭绍湖 |
| 本发明公开了一种基于Transformer的运动图像去模糊方法，包括如下步骤：准备图像去模糊的数据集，数据集包括Gopro、HIDE和RealBlur‑J；数据预处理；将准备好的Gopro数据集中的模糊图像作为训练集，并将模糊图片放入Transformer模型中进行训练；将每次放入Transformer模型训练出来的图片与参考图片放入损失函数中，不断计算返回的梯度，最后保存最优的模型传入到下一阶段进行学习；将一张模糊图片输入到保存的模型中进行处理，得出一张清晰的图片。本发明通过关键模块的构建，捕捉远程像素交互的信息，增强了信道之间的信息传递，在性能指标以及视觉效果上有很大的提高。 | ||||||
| 184 | 一种清晰特征融合的视频去模糊方法 | CN202010368483.6 | 2020-04-30 | CN112200732B | 2022-10-21 | 项欣光; 魏颢; 潘金山 |
| 本发明公开了一种清晰特征融合的视频去模糊方法。首先选取连续的多个模糊视频帧，使用光流估计的网络估计出连续帧之间的光流，并通过估计出来的光流对相邻帧进行图像扭转，然后将扭转后的结果和原始模糊帧序列作为去模糊网络的输入，再然后选取多个清晰帧通过一个清晰特征提取模块，得到清晰特征并融入去模糊的网络，最后去模糊网络输出相对清晰的视频帧。该方法对清晰帧的场景鲁棒、任意场景的清晰帧都可以用来做特征融合并有助于视频帧的重建，方便有效。 | ||||||
| 185 | 一种高能X射线图像非盲去模糊方法 | CN201910914991.7 | 2019-09-26 | CN110599429B | 2022-09-13 | 李庆武; 许金鑫; 王佳妤; 周妍 |
| 本发明公开一种高能X射线图像非盲去模糊方法，首先，获取高能X射线模糊图像，在频域上运用Gibbs抽样动态构造马尔科夫链，得到图像初步的去模糊结果、正则化参数值以及噪声标准差的估计量。利用迭代引导滤波方法对初步的去模糊图像进行噪声去除，并提出一种有效的插值方法对图像中的负值进行填充，抑制图像的振铃效应。然后结合处理后的平滑图像以及估计的正则化参数作为稀疏引导正则项约束的子目标函数的暖启动，获取最终平滑且边缘细节丰富的高能X射线去模糊图像。优点：本发明能够加速高能X射线图像的去模糊进程，并且能够更好地去除图像中的噪声和振铃。 | ||||||
| 186 | 基于域适应的深度去模糊方法 | CN202210648027.6 | 2022-06-08 | CN114913095A | 2022-08-16 | 朱宇; 张艳宁; 衡琪; 杨钰祺; 黄剑; 张兵; 孙瑾秋 |
| 本发明提供了一种基于域适应的深度去模糊方法，结合一种基于密集残差块的图像去模糊模块和一种基于生成对抗网络的域转换模块，从真实及合成动态场景下模糊图像间域差异出发，在不增加内容对齐的图像对的前提下，提升图像去模糊网络在真实动态场景模糊图像上的适应能力，构建训练基于域适应的深度动态场景去模糊网络。本发明解决了深度图像去模糊方法在动态场景模糊图像上适应能力差的技术难题，在公开的GoPro数据集上的测试指标优于同类型的其他算法，提升了现有方法对动态场景下图像去模糊适应能力差的问题，对去模糊问题关心的图像边缘提取能力适应性更强，对各卷积层提取出的特征利用更充分，对残差连接获得的特征保留更完整。 | ||||||
| 187 | 噪声自适应非盲图像去模糊 | CN202110509845.3 | 2021-05-11 | CN114511451A | 2022-05-17 | M.斯卢茨基 |
| 对包括模糊和噪声的输入图像执行噪声自适应非盲去模糊的系统和方法包括对输入图像实施第一神经网络以获得一个或多个参数，并执行正则化去卷积以从输入图像获得去模糊图像。正则化去卷积使用一个或多个参数来控制去模糊图像中的噪声。一种方法包括实施第二神经网络以从去模糊图像中去除伪影并提供输出图像。 | ||||||
| 188 | 一种新型图像盲解去模糊方法 | CN202010683258.1 | 2020-07-16 | CN111815537B | 2022-04-29 | 王向宇; 梁军利 |
| 本发明公开了一种新型图像盲解去模糊方法，首先根据模糊图像的信息估计卷积核的近似值，然后通过构造目标函数求解理想清晰图像的近似值，直接采用无参考图像质量评价函数作为优化函数，最后利用模拟退火算法对优化函数进行优化，对初步估计卷积核和初步理想清晰图像做进一步迭代求解，得到最终的理想清晰图像和卷积核。本发明直接将图像质量评价函数作为优化函数，只要选取的图像质量评价函数可靠，可以保证最终得到的去模糊图像质量。 | ||||||
| 189 | 一种图像去模糊方法和装置 | CN202210111165.0 | 2022-01-29 | CN114119428A | 2022-03-01 | 谢旭; 艾国; 杨作兴; 房汝明; 向志宏 |
| 本申请公开了一种图像去模糊方法，包括：将模糊图像输入预先训练好的去模糊网络；利用所述去模糊网络对输入的模糊图像进行去模糊处理；其中，所述去模糊网络包括结构和参数相同的多个级联子网络。其中子网络可以是U型子网络；在每个U型子网络中，对输入图像依次进行多级下采样处理后进行卷积处理，再对卷积处理结果进行与所述多级下采样处理分别对应的多级上采样处理，得到输出图像，每级上采样处理的输入包括上一级处理的输出和对应下采样处理的输出；通过残差模块实现所述下采样处理。应用本申请，能够有效恢复图像，且模型的参数量小，易训练。 | ||||||
| 190 | 基于线积分的锥束CT去模糊方法 | CN201810721216.5 | 2018-07-03 | CN109118439B | 2022-02-18 | 牛田野; 龚书滔; 江阳康; 罗辰 |
| 本发明公开了一种基于线积分的锥束CT去模糊方法。该方法首先对原始投影施行对数变换得到线积分数据；然后在线积分域建立基于系统点扩散函数的反卷积模型，包括保证数据完整性条件的数据保真项和控制噪声强度的正则化项，卷积核来自成像系统点扩散函数，并使用旋转对称的单参数高斯函数作为模型；最后使用反卷积处理后的线积分数据进行三维解析重建得到高分辨CT图像。本发明使用基于线积分的二维反卷积以解决模糊效应问题，快速而有效地提升了锥束CT图像的空间分辨率。 | ||||||
| 191 | 一种基于相机定位的图像去模糊方法 | CN201910711598.8 | 2019-08-02 | CN110677556B | 2021-09-28 | 颜成钢; 李明珠; 孙垚棋; 张继勇; 张勇东; 沈韬 |
| 本发明公开了一种基于相机定位的图像去模糊方法。本发明包括两阶段：模糊图像去模糊阶段和去模糊图像特征提取阶段。模糊图像去模糊阶段：本发明利用相机当前帧的模糊图像的深度图像，得到场景的深度信息，进而获得场景点的三维坐标。并利用惯性测量单元(IMU)获得相机运动信息，包括平移和旋转。利用以上数据计算选定区块的模糊核，用模糊核进行反卷积操作，得到去模糊图像。去模糊图像特征提取阶段：该阶段对去模糊处理后的图像进行ORB特征提取，并使用提取的特征进行后续的SLAM过程。本发明仅对选定区块进行去模糊，在一定程度上减少了计算量，提高了运算速度。 | ||||||
| 192 | 偏移成像去模糊化方法及装置 | CN202010081486.1 | 2020-02-06 | CN113219525A | 2021-08-06 | 岳玉波; 孙鹏远; 钱忠平; 史云燕; 张建磊; 郭振波 |
| 本发明公开了一种偏移成像去模糊化方法及装置，该方法包括在每道地震道对应的震源及接收点进行射线追踪，确定目标散射点处的成像波数矢量；根据成像波数矢量及从地震数据中提取的震源子波，确定地震数据的波数域点扩散函数；根据地震数据的波数域点扩散函数确定地震数据的空间域点扩散函数；利用地震数据的空间域点扩散函数对地震数据的初步成像结果进行去模糊化，形成地震数据的最终成像结果。本发明无需进行正演和偏移，只需基于目标散射点处的成像波数矢量及震源子波，即可快速确定地震数据的空间域点扩散函数，进而利用得到的空间域点扩散函数对成像结果进行去模糊化，能够提高地震偏移成像去模糊化的效率。 | ||||||
| 193 | 一种工业包装字符的去运动模糊方法 | CN202110543088.1 | 2021-05-19 | CN113129240A | 2021-07-16 | 陈明; 张潇; 刘博远; 黄南华 |
| 本发明公开了一种工业包装字符的去运动模糊方法，包括如下步骤：1）数据获取；2）构建生成器模型；3）构建判别器模型；4）优化损失函数；5）参数配准，训练模型。这种方法复原得到的图像质量较好，纹理细节得到保留，耗时少，满足工业领域实际应用的需求。 | ||||||
| 194 | 基于遥感图像序列的去模糊方法 | CN202110012279.5 | 2021-01-06 | CN112614080A | 2021-04-06 | 刘晨辉; 尹增山; 高爽 |
| 本发明公开了一种基于遥感图像序列的去模糊方法，属于遥感卫星技术领域，包括以下几个步骤：获取模糊遥感图像序列；模糊遥感图像序列预处理；模糊遥感图像序列模糊核估计；以及模糊遥感图像序列去卷积，最终得到清晰图像。本方法利用模糊核估计中的分段求解及引入联合双边滤波器的方法，结合经典RL方法和带增益控制的残差RL方法进行去卷积运算，极大提高了模糊核估计的准确性，能够得到既能有效控制振铃效应又有丰富细节的清晰图像。整体而言，对于模糊遥感图像去模糊后的图像清晰程度有显著提升。 | ||||||
| 195 | 一种基于残差网络的图像去模糊方法 | CN202011412913.6 | 2020-12-04 | CN112419201A | 2021-02-26 | 不公告发明人 |
| 本发明公开了一种基于残差网络的图像去模糊方法，涉及图像恢复领域，所述方法包括获取不同应用场景下的多张第一图像并以此形成第一图像数据集，对所述第一图像进行模糊处理对应形成第二图像，并以此形成第二图像数据集，其中，所述第一图像相较于所述第二图像更清晰；构建残差网络，利用所述第一图像数据集和所述第二图像数据集对所述残差网络进行训练，最后得到训练完成的图像去模糊模型，其中，所述第一图像数据集作为所述图像去模糊模型的输出数据，所述第二图像数据集作为所述图像去模糊模型的输入部分。本发明保证图像去模糊效果的前提下提高模型的运算速度。 | ||||||
| 196 | 一种数字病理图像去模糊方法 | CN202010680203.5 | 2020-07-15 | CN111986102A | 2020-11-24 | 张敬谊; 丁偕; 佘盼; 刘全祥; 张亚君; 陆艺丹 |
| 本发明提供了一种数字病理图像去模糊方法，其特征在于，包括以下步骤：构建清晰数字病理图像库和模糊数字病理图像库；训练深度神经网络，得到训练好的去模糊网络预测模型；实时输入数字病理图像，对该数字病理图像进行初步的预处理操作；利用去模糊方法对Patch图像集合进行处理，将低维空间域的模糊信息去除；将Patch图像集合送入去模糊网络预测模型中生成预测结果，即获得清晰的Patch图像集合；将清晰的Patch图像集合中各个Patch图像拼接复原至原图大小，获得去模糊后的清晰数字病理图像。本发明将传统图像去模糊处理与深度神经网络相结合，实现对数字病理图像的去模糊，提高图像的清晰度。 | ||||||
| 197 | 一种新型图像盲解去模糊方法 | CN202010683258.1 | 2020-07-16 | CN111815537A | 2020-10-23 | 王向宇; 梁军利 |
| 本发明公开了一种新型图像盲解去模糊方法，首先根据模糊图像的信息估计卷积核的近似值，然后通过构造目标函数求解理想清晰图像的近似值，直接采用无参考图像质量评价函数作为优化函数，最后利用模拟退火算法对优化函数进行优化，对初步估计卷积核和初步理想清晰图像做进一步迭代求解，得到最终的理想清晰图像和卷积核。本发明直接将图像质量评价函数作为优化函数，只要选取的图像质量评价函数可靠，可以保证最终得到的去模糊图像质量。 | ||||||
| 198 | 一种发票文本去模糊的方法 | CN201910924838.2 | 2019-09-27 | CN110782402A | 2020-02-11 | 张欢; 邝文威; 沈琳琳; 刘景辉 |
| 本发明公开的属于基于计算机的模糊发票识别技术领域，具体为一种发票文本去模糊的方法，该发票文本去模糊的方法的具体步骤如下：S1：制作清晰与模糊一一对应的发票文本信息：首先通过传统的计算机视觉技术对清晰的发票文本信息进行加模糊效果处理；S2：计算模糊发票文本信息的模糊核；S3：模糊核转为清晰的发票文本信息，去模糊能力强，相对于传统的方法，这种方法能有效地把真实模糊信息转化为清晰的信息；通过一个无监督的神经网络算法尽可能的模拟出真实模糊风格的数据后，从而计算出了模糊发票文本的模糊核，最终利用模糊核把模糊的发票文本信息转化为清晰的发票文本信息；适用范围较广，能够对发票的不同模糊情况进行去模糊处理。 | ||||||
| 199 | 图像去模糊的方法、装置和设备 | CN201611032330.4 | 2016-11-22 | CN106651790B | 2020-01-31 | 陶鑫; 贾佳亚; 鲁亚东 |
| 本发明实施例提供一种图像去模糊的方法、装置和设备。该方法包括：获取待处理图像的背景层的模糊核和反光层的模糊核；根据公式确定所述待处理图像的背景层LB和所述待处理图像的反光层LR。本发明实施例的方法，分别考虑了待处理图像的背景层的模糊核和反光层的模糊核，并且基于这两个模糊核进行背景层和反光层的分离和去模糊，不仅提高了图像去模糊的准确度，也使得还原出的图像更加清晰。 | ||||||
| 200 | 图像去模糊方法和装置及其训练 | CN201810777095.6 | 2018-07-16 | CN110728626A | 2020-01-24 | 陈玮逸夫; 蔡赞赞; 魏文燕 |
| 本申请提供了一种用于图像去模糊的生成式对抗网络的训练方法、装置、系统和存储介质。所述训练方法包括：准备配对的模糊训练图和清晰真值图；利用生成式对抗网络的生成网络基于所述模糊训练图生成去模糊验证图；利用生成式对抗网络的判别网络比较所述去模糊验证图与所述清晰真值图之间的训练误差，所述判别网络与所述生成网络彼此级联；以及将所述训练误差反向传播通过所述生成网络和所述判别网络以迭代地更新所述生成网络的参数和所述判别网络的参数，直至所述训练误差满足收敛条件。本申请还提供了使用上述训练好的生成式对抗网络的图像去模糊方法和装置。 | ||||||
QQ群二维码
意见反馈
意见反馈