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！

龙图腾网获悉湖南大学申请的专利一种基于对抗学习与对比学习的无人机遥感视频盲去运动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：CN116012739B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310050734.X，技术领域涉及：G06V20/17；该发明授权一种基于对抗学习与对比学习的无人机遥感视频盲去运动模糊方法是由李智勇;李亚萍;林家丞;戴贤文设计研发完成，并于2023-02-01向国家知识产权局提交的专利申请。

本一种基于对抗学习与对比学习的无人机遥感视频盲去运动模糊方法在说明书摘要公布了：本发明提供一种基于对抗学习与对比学习的无人机遥感视频盲去运动模糊方法，其特征模型ALCLDeblur包括1个带有CAM注意力机制的生成器，1个带有CAM注意力机制的判别器，1个配准器。方法包括：采集数据，构建多组无人机遥感图像的模糊图像‑清晰图像对x,y，形成训练数据集；训练模型，根据训练数据集训练特征模型ALCLDeblur；测试模型，将待处理的无人机遥感视频的模糊图像输入训练好的生成器得到对应的去模糊图像。生成器包括生成器CAM注意力层，判别器包括判别器CAM注意力层，主要解决在生成去模糊图像时聚焦不准、生成质量差的问题。配准器提取图像的形状与色域分布信息，得到生成图像与原图的差异，指导生成器在生成过程中保留图像的空间与色域信息，提高生成图像质量。最后通过生成对抗损失、配准器对比损失以及身份内容损失来优化网络模型。

本发明授权一种基于对抗学习与对比学习的无人机遥感视频盲去运动模糊方法在权利要求书中公布了：1.一种基于对抗学习与对比学习的无人机遥感视频盲去运动模糊方法，其特征在于， 特征模型ALCLDeblur包括：1个带有CAM注意力机制的生成器，1个带有CAM注意力机制的判别器，1个配准器； 所述方法包括： 步骤10：采集数据，无人机飞行并采集高清视频数据，根据高清视频数据构建多组无人机遥感图像的模糊图像-清晰图像对x,y，形成训练数据集； 步骤20：训练模型，根据训练数据集训练特征模型ALCLDeblur，其中，生成器输入模糊图像x，输出去模糊图像Gx，判别器输入清晰图像y和去模糊图像Gx，输出判别结果，判别结果包括主判别结果Dy、DGx，以及辅助判别结果ηx、ηGx，配准器输入去模糊图像Gx和清晰图像y，输出配准特征图RGx和Ry，根据生成器总损失训练生成器； 步骤30：测试模型，将待处理的无人机遥感视频的模糊图像输入训练好的生成器得到对应的去模糊图像； 生成器包括生成器CAM注意力层，生成器CAM注意力层的输入特征图经过自适应均值池化层处理再经过全连接层进行空间映射，获得第一平均池化权重，生成器CAM注意力层的输入特征图经过自适应最大池化层处理再经过全连接层进行空间映射，获得第一最大池化权重，第一平均池化权重和第一最大池化权重分别与生成器CAM注意力层的输入特征图进行逐元素相乘，获得的两张CAM响应图拼接后经过1×1卷积变换，获得生成器CAM的注意力特征作为生成器CAM注意力层的输出； 判别器包括判别器CAM注意力层，判别器CAM注意力层的输入特征图经过自适应均值池化层处理再经过带有InstanceNorm归一化的全连接层进行空间映射，获得第二平均池化权重，生成器CAM注意力层的输入特征图经过自适应最大池化层处理再经过全连接层进行空间映射，获得第二最大池化权重，第二平均池化权重和第二最大池化权重分别与判别器CAM注意力层的输入特征图进行逐元素相乘，获得的两张CAM响应图拼接后经过带有InstanceNorm归一化的1×1卷积变换，获得第二判别器注意力特征作和辅助判别特征图为判别器CAM注意力层的输出； 配准器包括：1个1×1卷积层ω，1个per-patch全连接层1个MLP层Μ，1个全连接层v； 卷积层ω用于生成特征图Y，表征去模糊图像Gx和清晰图像y的色域信息； per-patch全连接层用于图像块切割，将大小为H×W×C的特征图Y，切割成n个大小为P1×P2的图像块，n＝HP1×WP2，H为能够被P1整除的数，W为能够被P2整除的数，得到分块后的特征图使用per-patch全连接层从Yr中随机选取出其中第i个图像块Yi； MLP层Μ用于对Yi进行高层非线性映射，再输入到全连接层v处理获得配准特征图R＝vYi，模糊图像Gx和其对应的清晰图像y在配准器处理中，选取图像块的编号i相同，使用的配准器网络权重相同； 生成器总损失 配准损失 其中，去模糊图像的配准特征图S＝RGx，清晰图像的配准特征图T＝Ry，||·||表示矩阵的模长，τ表示调整系数； 生成器的生成对抗损失 pdx表示模糊图像数据x服从的概率分布；c表示生成器为了让判别器认为去模糊图像是清晰图像而定的值，c＝1； 生成器的身份内容损失 其中，μGx表示Gx的均值，μy表示y的均值；σGx表示Gx的方差，σy表示y的方差；σGxy表示Gx与y的协方差；c1、c2是用来稳定损失函数的常数，c1＝K1L2，c2＝K2L2，L表示像素的范围，K1＝0.001，K2＝0.003。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。