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！

龙图腾网获悉西北大学申请的专利一种基于全范围上下文的显微失焦成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：CN120259135B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510224374.X，技术领域涉及：G06T5/73；该发明授权一种基于全范围上下文的显微失焦成像去模糊方法是由李耀维;陈晓璇;董雁凯;蔡誉涵;姜博设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种基于全范围上下文的显微失焦成像去模糊方法在说明书摘要公布了：本申请涉及一种基于全范围上下文的显微失焦成像去模糊方法，包括：构建显微成像去模糊神经网络模型；获取训练数据集，基于所述训练数据集对所述显微成像区模糊神经网络模型进行训练，得到训练后的显微成像区模糊神经网络模型；将待处理模糊图像输入到所述训练后的显微成像区模糊神经网络模型，得到清晰图像。本申请从全范围上下文信息出发，在综合考虑显微图像背景杂散光、离焦程度以及细节纹理等因素的基础上，对失焦退化图像的高质量重建，有效提升显微图像的清晰度与可辨识度，为后续精确观测与定量分析提供有力保障。

本发明授权一种基于全范围上下文的显微失焦成像去模糊方法在权利要求书中公布了：1.一种基于全范围上下文的显微失焦成像去模糊方法，其特征在于，包括： 构建显微成像去模糊神经网络模型；所述显微成像去模糊神经网络模型包括编码器和解码器，所述编码器用于逐步提取输入的模糊图像的深层特征，所述解码器用于逐步将所述深层特征还原回图像空间，得到清晰图像；所述编码器包括第一卷积层和多个编码层，所述解码器包括多个解码层和第二卷积层，每个所述编码层输出的特征通过跳跃连接输入到对应的解码层中；所述编码层和所述解码层的结构相同，均为全范围上下文块；所述全范围上下文块用于捕获空间中的局部特征、区域特征和全局特征； 获取训练数据集，基于所述训练数据集对所述显微成像去模糊神经网络模型进行训练，得到训练后的显微成像去模糊神经网络模型；所述训练数据集中的样本包括模糊图像以及对应的真实清晰图像；将所述模糊图像输入到所述显微成像去模糊神经网络模型，得到预测的清晰图像；基于所述预测的清晰图像与所述真实清晰图像计算损失以对模型进行训练； 将待处理模糊图像输入到所述训练后的显微成像去模糊神经网络模型，得到清晰图像； 所述全范围上下文块包括：第一局部范围块、区域范围块、第二局部范围块和全局范围块； 所述全范围上下文块的输入经过所述第一局部范围块进行局部特征增强，得到第一局部特征；对所述第一局部特征进行归一化和窗口划分，得到第一值向量和第一键向量； 对所述全范围上下文块的输入进行归一化和窗口划分，得到第一查询向量； 所述第一值向量、所述第一键向量和所述第一查询向量输入到所述区域范围块，利用多头自注意力机制获取区域特征； 所述区域特征、所述第一值向量、所述第一键向量和所述全范围上下文块的输入相加，得到第一相加结果；所述第一相加结果经过归一化层和MLP，并与所述第一相加结果相加，得到第二相加结果； 所述第二相加结果输入所述第二局部范围块进行局部特征增强，得到第二局部特征；对所述第二局部特征进行归一化和窗口划分，得到第二值向量和第二键向量； 所述第二相加结果进行归一化和窗口划分，得到划分结果； 所述第二相加结果经过最大池化、传统注意力操作和Sigmoid激活函数，并与所述划分结果相乘，得到第二查询向量； 所述第二值向量、所述第二键向量和所述第二查询向量输入到所述全局范围块，利用多头自注意力机制获取全局特征； 所述全局特征、所述第二值向量、所述第二键向量和所述第二相加结果相加，得到第三相加结果；所述第三相加结果经过归一化层和MLP，并与所述第三相加结果相加，得到所述全范围上下文块的输出。

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北大学，其通讯地址为：710069 陕西省西安市太白北路229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。