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！

龙图腾网获悉西安电子科技大学申请的专利基于深度学习多阶局部注意力和混合注意力的图像去噪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：CN116757953B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202310723004.1，技术领域涉及：G06T5/70；该发明授权基于深度学习多阶局部注意力和混合注意力的图像去噪方法是由张静;郑淙耀;乐垚;李云松设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本基于深度学习多阶局部注意力和混合注意力的图像去噪方法在说明书摘要公布了：本发明公开了一种基于深度学习多阶局部注意力和混合注意力的图像去噪方法，解决了现有技术中去噪模型计算复杂度高、去噪效果差以及恢复图像纹理和局部细节信息不足的问题。本发明的实现步骤如下：设计多阶局部注意力模块，将其结合自注意力和通道注意力构建混合注意力模块；将混合注意力模块和前馈神经网络结合构建混合注意力Transformer模块，用以构建路Unet去噪网络；利用生成的训练集训练Unet去噪网络；对图像进行去噪。本发明提高了模型的去噪能力，可以更好地恢复图像中的边缘轮廓信息和纹理信息。

本发明授权基于深度学习多阶局部注意力和混合注意力的图像去噪方法在权利要求书中公布了：1.一种基于深度学习多阶局部注意力和混合注意力的图像去噪方法，其特征在于，分别构建多阶局部注意力分支，混合注意力模块；该图像去噪方法的具体步骤包括如下： 步骤1，构建多阶局部注意力分支： 搭建和设置一个依次串联的多阶局部注意力分支，其结构为：第一卷积层，通道指数分组层，深度可分离卷积模块组，第二卷积层；其中，所述深度可分离卷积模块组由第一、第二、第三、第四共四个结构相同的深度可分离卷积模块并联组成；每个深度可分离卷积模块均由深度可分离卷积层，矩阵乘法器和卷积层串联组成；设置多阶局部注意力分支的参数； 步骤2，搭建一个依次串联的混合注意力模块，其结构为通道平均分组层，注意力并联组，通道拼接层，1*1卷积层组成；其中，所述注意力并联组由自注意力分支，多阶局部注意力分支，通道注意力分支并联组成； 步骤3，构建混合注意力Transformer模块： 搭建一个由第一层归一化层，混合注意力模块，第二层归一化层，前馈神经网络模块依次串联组成混合注意力Transformer模块； 步骤4，构建深层特征提取子网络： 搭建由下采样模块组，底层特征提取模块，上采样模块组依次串联组成的深层特征提取子网络； 步骤5，将第一3*3卷积层，深层特征提取子网络，第二3*3卷积层依次串联组成Unet去噪网络； 步骤6，生成训练集： 选取至少300对自然图像，每对图像由一张真实噪声图像和一张已标注的干净图像组成；将每张图像裁剪成256*256大小的图像块，对每个图像块进行数据增广；将增广后的所有图像块组成训练集； 步骤7，训练Unet去噪网络： 将训练集的图像块打乱顺序，随机抽取噪声图像块和对应的人工标注的干净图像块，将抽取的噪声图像块输入到Unet去噪网络中，使用带惩罚的平均绝对误差损失函数Charbonnier_L1loss计算输出的图像块与干净图像块的损失值，采用梯度下降法，迭代更新Unet去噪网络各层参数，直至带惩罚的平均绝对误差损失函数Charbonnier_L1loss收敛为止，得到训练好的Unet去噪网络； 步骤8，对待去噪的自然图像进行处理： 将待去噪的自然图像输入到训练好的Unet去噪网络中，输出去噪后的图像。

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电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。