欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025120385236
申请人: 武汉工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种非局部信息补偿的Mamba图像去模糊方法,其特征在于,包括:

采用卷积层对含模糊特征的退化图像进行特征提取,得到初始浅层特征;

将所述初始浅层特征作为输入参数,进行n次第一迭代处理,并对第n次第一迭代处理后的特征进行去模糊处理,得到第一恢复特征图;所述第一迭代处理包括:对输入参数依次进行去模糊处理和下采样;所述去模糊处理通过改进Mamba模块和增强FFN模块完成,所述改进Mamba模块包括并列设置且引入选择性扫描机制的第一非局部补偿分支和选择性SSM分支,所述第一非局部补偿分支在进入选择性扫描机制之前,通过参数可学习的高斯低通滤波模块自适应地提取不同尺度下的非局部特征,所述增强FFN模块包括并列设置的第二非局部补偿分支和频域判别式分支,所述第二非局部补偿分支在频域中利用自适应低通滤波模块提取非局部信息,并通过可学习的判别式权重进行动态调制;

将所述第一恢复特征图作为输入参数,进行n次第二迭代处理,并对第n次第二迭代处理后的特征进行去模糊处理,得到第二恢复特征图;所述第二迭代处理包括:对输入参数依次进行去模糊处理和上采样;

采用卷积层对所述第二恢复特征图进行处理生成残差特征图,并将所述残差特征图与所述退化图像相加,得到恢复图像。

2.如权利要求1所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,所述改进Mamba模块还包括第一特征增强模块和归一化处理模块;

所述特征增强模块用于对输入特征进行线性映射操作,将原始通道维度调整至预设的扩展维度,引入深度可分离卷积对各个通道独立进行卷积计算,将经过卷积计算后的特征通过非线性激活函数进行映射,输出映射特征给所述第一非局部补偿分支和所述选择性SSM分支;所述特征增强模块还用于将线性映射操作后的特征进行非线性激活后输出调制特征给所述归一化处理模块;

所述归一化处理模块用于将所述第一非局部补偿分支和所述选择性SSM分支的输出特征融合后进行层归一化处理,并将层归一化处理后的特征与所述调制特征进行逐元素交互,通过线性映射层将交互后获得特征的特征维度压缩回原始的通道数。

3.如权利要求1所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,所述第一非局部补偿分支包括:频域转换模块、高斯低通滤波模块和空域转换模块;

所述频域转换模块用于将输入特征从空间域转换为频域表示,获得频域特征;

所述高斯低通滤波模块用于对频域特征进行调制,得到调制后的非局部特征;

所述空域转换模块用于将低通滤波处理后的特征通过逆傅里叶变换恢复为空间域表示。

4.如权利要求1所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,所述增强FFN模块还包括:第二特征增强模块、融合模块和双分支频域增强模块;

所述第二特征增强模块用于对对输入特征进行逐点特征映射操作,以调整通道维度并增强特征表达能力,并采用深度可分离的卷积进行局部特征提取操作,对每个通道单独引入局部空间信息,得到增强局部特征;

所述融合模块用于对所述增强局部特征沿通道维度进行分割,将分割后的两份特征分别经过非线性激活函数处理后,其中一份特征作为门控信号,与另一份特征逐元素相乘,并将两部分特征沿通道方向拼接,形成融合后的输出特征;

所述双分支频域增强模块用于采用卷积层对融合后的输出特征进行处理,并将处理后的特征在空间维度划分为子块后并行输入所述第二非局部补偿分支和所述频域判别式分支,对两条分支的输出进行逆傅里叶变换以返回空间域,将空间域的子块顺序拼接回原始尺寸,将拼接后的两分支结果进行相加融合。

5.如权利要求4所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,所述频域判别式分支中的输入特征直接与可学习权重进行逐元素点乘,用于判别并保留目标频域信息;所述第二非局部补偿分支先通过低通滤波器提取非局部信息,再与可学习权重进行点乘。

6.如权利要求1所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,所述高斯低通滤波模块中的截止频率比例为可学习的参数。

7.如权利要求1所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,第i次第一迭代处理和第n-i+1级的第二迭代处理对应去模糊处理次数相同。

8.如权利要求7所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,所述第一迭代处理包括:对输入参数依次进行多次去模糊处理,并对多次去模糊处理后的特征进行下采样。

9.如权利要求1所述的非局部信息补偿的Mamba图像去模糊方法,其特征在于,第i次第一迭代处理的输出特征作为跳跃连接特征,跳跃连接特征用于与第n-i+1级的第二迭代处理中的输入特征融合。

10.一种非局部信息补偿的Mamba图像去模糊系统,其特征在于,包括:特征提取模块、编码器模块、解码器模块和图像重建模块;

所述特征提取模块用于采用卷积层对含模糊特征的退化图像进行特征提取,得到初始浅层特征;

所述编码器模块包括n个级联的编码器层和一个去模糊处理模块,所述编码器层用于对输入特征进行第一迭代处理;所述编码器模块用于对所述初始浅层特征进行处理,得到第一恢复特征图;所述第一迭代处理包括:对输入参数依次进行去模糊处理和下采样;所述去模糊处理通过改进Mamba模块和增强FFN模块完成,所述改进Mamba模块包括并列设置且引入选择性扫描机制的第一非局部补偿分支和选择性SSM分支,所述第一非局部补偿分支在进入选择性扫描机制之前,通过参数可学习的高斯低通滤波模块自适应地提取不同尺度下的非局部特征,所述增强FFN模块包括并列设置的第二非局部补偿分支和频域判别式分支,所述第二非局部补偿分支在频域中利用自适应低通滤波模块提取非局部信息,并通过可学习的判别式权重进行动态调制;

所述解码器模块包括n个级联的解码器层和一个去模糊处理模块,所述解码器层用于对输入特征进行第二迭代处理;所述解码器模块用于对所述第一恢复特征图进行处理,得到第二恢复特征图;所述第二迭代处理包括:对输入特征依次进行去模糊处理和上采样;

所述图像重建模块用于采用卷积层对所述第二恢复特征图进行处理生成残差特征图,并将所述残差特征图与所述退化图像相加,得到恢复图像。