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！

龙图腾网获悉中国长江电力股份有限公司;河海大学申请的专利水电站大坝水下机器人获取的光学图像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：CN118071643B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202410230193.3，技术领域涉及：G06T5/73；该发明授权水电站大坝水下机器人获取的光学图像去模糊方法是由朱思思;乔治;李新宇;万刚;耿在明;史朋飞;范新南;辛元雪;冉毅川设计研发完成，并于2024-02-29向国家知识产权局提交的专利申请。

本水电站大坝水下机器人获取的光学图像去模糊方法在说明书摘要公布了：本发明提供一种水电站大坝水下机器人获取的光学图像去模糊方法，包括如下步骤：实时采取水下环境的视频流数据；将采集水下环境的视频流数据，输入去模糊网络进行处理，去模糊网络的构建流程如下：构建深度估计模块估计深度图；构建双边网格模块处理图像的边缘信息，得到双边网格特征图；构建特征重建模块将双边网络模块提取的双边网络特征图采用获得的深度图进行引导，得到采样特征图，然后将特征重建模块获得的采样特征图与Unet的网络提取特征图做主元素的点积，生成重构特征图，生成的重构特征图经过两层卷积层与原始图像做残差，估计去模糊图像。该方法能够有效去除水下图像模糊，提高水下机器人在水电站大坝检测中的图像质量和处理效率。

本发明授权水电站大坝水下机器人获取的光学图像去模糊方法在权利要求书中公布了：1.一种水电站大坝水下机器人获取的光学图像去模糊方法，其特征在于，包括如下步骤： S1、水下机器人平台的光学成像系统实时采取水下环境的视频流数据； S2、将采集水下环境的视频流数据，输入去模糊网络进行处理，去模糊网络的构建流程如下： S201、构建深度估计模块估计深度图 深度估计模块将原始的水下模糊图片进行缩放，经过深度估计模块获得深度图； 深度估计模块由编码器和解码器构成，编码器由一系列连续的扩张卷积模块CDC和局部全局特征交互模块LGFI构成，解码器采用双线性上采样和反射非线性卷积模块RCE，将编码器的四个阶段的特征恢复成一个与输入大小相同的深度图； 所述CDC模块利用扩张卷积提取多尺度的特征，在每个阶段使用不同膨胀率的扩张卷积，扩张卷积的操作如下： 1； 其中，w代表卷积核的数值，表示用于卷积输入的膨胀率，i表示第i个位置特征图的值，k为卷积核权重的索引，K为卷积核权重的个数； 当CDC模块输入的特征图时，CDC模块的输出表达式为： 2； 其中，为CDC模块的输入特征图，为CDC模块的输出特征图，代表点卷积，表示逐点卷积操作和GELU激活，代表批量归一化层，是一个个膨胀率为的扩张卷积； 当LGFI模块输入的特征图时，该特征图会首先被映射到,具体表达式如下： 3； 4； 5； 其中，为LGFI模块的输入特征图，为LGFI模块的输出特征图，，，是待学习的参数，代表归一化层，分别代表查询、键、值，为交叉协方差注意机制； 6； 其中，代表利用计算查询和键之间的相似度； S202、构建双边网格模块处理图像的边缘信息 双边网格模块将原始的水下模糊图片进行缩放，再经过Unet的网络提取特征图，经过全局平均池化得到双边网格特征图； S203、构建特征重建模块融合深度信息和双边网格信息 特征重建模块将双边网络模块提取的双边网络特征图采用步骤S201获得的深度图进行引导，得到采样特征图，然后将特征重建模块获得的采样特征图与Unet的网络提取特征图做逐元素的点积，生成重构特征图，生成的重构特征图经过两层卷积层与原始图像做残差，估计去模糊图像； S204、网络模型训练。

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中国长江电力股份有限公司;河海大学，其通讯地址为：430014 湖北省武汉市江岸区三阳路88号三阳中心；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。