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！

龙图腾网获悉华侨大学申请的专利基于自注意力机制与联合空洞卷积的GOCI图像修复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：CN116402717B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310379951.3，技术领域涉及：G06T5/60；该发明授权基于自注意力机制与联合空洞卷积的GOCI图像修复去噪方法是由陈子仪;罗裕华设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本基于自注意力机制与联合空洞卷积的GOCI图像修复去噪方法在说明书摘要公布了：本发明提供了基于自注意力机制与联合空洞卷积的GOCI图像修复去噪方法，包括：S1，训练阶段，训练生成器；S2，应用阶段，使用已经训练好的生成器对GOCI图像进行修复。所述S1训练阶段具体为：S11，选取训练图像及其原始完整图像；S12，编码器提取语义信息特征；S13，自注意力模块提取高级语义信息特征；S14，解码器对语义信息特征进行上采样，使用联合空洞卷积操作精炼修复与去噪结果，形成初步结果图像；S15，判别器结合初步结果图像和所述原始完整图像，计算对抗损失返回生成器。本发明减少掩膜预处理，克服了现有技术的步骤繁琐；采用自注意力机制促进编码器在修复过程中对语义信息的推理与还原；采用联合空洞卷积模块进一步增强多重采样的复杂度。

本发明授权基于自注意力机制与联合空洞卷积的GOCI图像修复去噪方法在权利要求书中公布了：1.基于自注意力机制与联合空洞卷积的GOCI图像修复去噪方法，其特征在于，步骤如下： S1，训练阶段，训练生成器； S2，应用阶段，使用已经训练好的生成器对GOCI图像进行修复，将待修复去噪的GOCI图像输入到生成器中，生成器输出修复去噪后的图像； 所述S1训练阶段具体为： S11，选取训练图像及其原始完整图像，所述训练图像制作成数据集输入到生成器； S12，生成器中的编码器判别训练图像中带有缺失以及噪声的区域，提取训练图像的语义信息特征； S13，生成器中的自注意力模块提取训练图像的高级语义信息特征； S14，生成器中的解码器对提取出的语义信息特征进行上采样，在上采样的最后阶段，使用联合空洞卷积操作精炼修复与去噪结果，形成初步结果图像； S15，判别器接收生成器输出的初步结果图像，结合所述原始完整图像，计算对抗损失，返回生成器； S12中，所述编码器采用五组结构，第一组为一层输入与两层卷积，第二至五组为一层池化和两层卷积；第一组的卷积层的卷积核大小从3个提升至64，使得语义信息特征数量变为64，所述编码器第一组输出的语义信息特征与所述解码器第四组输出的语义信息特征进行堆叠处理，编码器第二组、第三组和第四组分别与解码器第三组、第二组和第一组输出的语义信息特征进行堆叠处理，编码器输出的语义信息特征的大小从224*224依次下采样为112*112、56*56，卷积层的卷积核大小依次上升至128、256；第四组、第五组将语义信息特征进行最大值池化和卷积处理，语义信息特征的大小被下采样至28*28，卷积层的卷积核大小被迭代到1024个，输出1024张尺寸为14*14的特征图； 所述S14中的联合空洞卷积由五个具有不同扩张率的卷积层组成，扩张率分别为1、2、4、8、16；所述卷积层包括批量归一化和激活函数ReLU，卷积层的卷积核大小为4，步幅为2，填充大小为1；所述联合空洞卷积通过使用不同扩张率的卷积层获取更大的空间分辨率的恢复特征，并获得更多的全局语义信息，有助于修复图像的完整性和图像的全局纹理；相邻的两个卷积层之间还设计了残差机制，使联合空洞卷积模块以分层方式相互连接；最后对卷积结果进行叠加，经激活函数Sigmoid后输出结果图。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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。